準備

本文用到的表格內容如下:

先來看一下原始情形:

import pandas as pd
​
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df)

result:

   數學成績  語文成績  英語成績
0    89    78    98
1    35    34    34
2    43    56    25
3    35    78    83
4    67    46    65
5    89    89    83
6    96    45    83
7    35    67    45
8    35    78    83

1.求眾數

1.1對全表進行操作

1.1.1求取每列的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.var())

result:

   數學成績  語文成績  英語成績
0    35    78    83

1.1.2 求取每行的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.mode(axis=1))

result:

      0     1     2
0  78.0  89.0  98.0
1  34.0   NaN   NaN
2  25.0  43.0  56.0
3  35.0  78.0  83.0
4  46.0  65.0  67.0
5  89.0   NaN   NaN
6  45.0  83.0  96.0
7  35.0  45.0  67.0
8  35.0  78.0  83.0

1.2 對單獨的一行或者一列進行操作

1.2.1 求取單獨某一列的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.mode(axis=1))

result:

0    35
dtype: int64

1.2.2 求取單獨某一行的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0]].mode())

result:

   數學成績  語文成績  英語成績
0    89    78    98

1.3 對多行或者多列進行操作

1.3.1 求取多列的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[['數學成績', "語文成績"]].mode())

result:

   數學成績  語文成績
0    35    78

1.3.2 求取多行的眾數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].mode())

result:

   數學成績  語文成績  英語成績
0    35    34    34
1    89    78    98

2 求分位數

分位數是比中位數更加詳細的基于位置的指標，分位數主要有四分之一分位數，二分之一分位數(就是中位數)、四分之三分位數

2.1 求取不同分位的分位數

2.1.1 四分之一分位數

import pandas as pd
​
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.25))

result:

數學成績    35.0
語文成績    46.0
英語成績    45.0
Name: 0.25, dtype: float64

2.1.2 四分之三分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.75))

result:

數學成績    89.0
語文成績    78.0
英語成績    83.0
Name: 0.75, dtype: float64

2.2對全表進行操作

2.2.1對每一列求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.25))

result:

數學成績    35.0
語文成績    46.0
英語成績    45.0
Name: 0.25, dtype: float64

2.2.2 對每一行求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.quantile(0.25, axis=1))

result:

0    83.5
1    34.0
2    34.0
3    56.5
4    55.5
5    86.0
6    64.0
7    40.0
8    56.5
Name: 0.25, dtype: float64

2.3 對單獨的一行或者一列進行操作

2.3.1 對某一列求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df['數學成績'].quantile(0.25))

result:

35.0

2.3.2 對某一行求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0]].quantile(0.25))

result:

數學成績    89.0
語文成績    78.0
英語成績    98.0
Name: 0.25, dtype: float64

2.4 對多行或者多列進行操作

2.4.1 對多列求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df[['數學成績', "語文成績"]].quantile(0.25))

result:

數學成績    35.0
語文成績    46.0
Name: 0.25, dtype: float64

2.4.2 對多行求分位數

df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx')
print(df.iloc[[0, 1]].quantile(0.25))

result:

數學成績    48.5
語文成績    45.0
英語成績    50.0
Name: 0.25, dtype: float64

附：pandas 和 numpy計算分位數的區別

pandas 和 numpy中都有計算分位數的方法，pandas中是quantile，numpy中是percentile

兩個方法其實沒什么區別，用法上稍微不同，quantile的優點是與pandas中的groupby結合使用，可以分組之后取每個組的某分位數

quantile代碼：

import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='\t')
#將data按id_1 和 id_2 分組
grouped=data.groupby(['id_1','id_2'])
#用quantile計算第40%的分位數
grouped['gmv'].quantile(0.4) 
#用to_csv生成文件
x.to_csv('order_ran_re.txt',sep= '\t')

percentile代碼：

import pandas as pd
import numpy as np
data = pd.read_csv('order_rank_p_0409.txt',sep='\t')
a = array(data['gmv'])
np.percentile(a,0.4)

兩段代碼，兩種方法計算的結果是一樣的

總結

到此這篇關于Python pandas系列之眾數和分位數的文章就介紹到這了,更多相關pandas眾數和分位數內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！