axis df行用0,列用1 skipna跳过na值,默认是True level层次化索引就根据level分组规约 describe返回多个列汇总信息 count、describe、min、max、argmin、argmax、idxmin、idxmax、quantile、sum、mean、median、mad、var、std、skew、kurt、cumsum、cummi
mean([axis, skipna, numeric_only]) 返回请求轴上的平均值。 median([axis, skipna, numeric_only]) 返回请求轴上的中位数。 melt([id_vars, value_vars, var_name, ...]) 将DataFrame从宽格式转换为长格式,可选择保留标识符。 memory_usage([index, deep]) 返回每列的内存使用量(以字节为单位)。
例如numpy.sum(arr, axis =0)函数(也可写成arr.sum(axis =0)),还有一些其他的函数,如mean,std,var,min(注意与通用函数minimum的区别),max(注意与通用函数maximum的区别),argmin,argmax,cumsum,cumprod;(3)用于布尔型数组的方法,例如:arr=randn(100),(arr >0)....
DataFrame.kurt([axis, skipna, level, …]) #返回无偏峰度Fisher’s (kurtosis of normal == 0.0). DataFrame.mad([axis, skipna, level]) #返回偏差 DataFrame.max([axis, skipna, level, …]) #返回最大值 DataFrame.mean([axis, skipna, level, …]) #返回均值 DataFrame.median([axis, skipna...
DataFrame.rolling(window[, min_periods, …]) 滚动窗口 DataFrame.expanding([min_periods, freq, …]) 拓展窗口 DataFrame.ewm([com, span, halflife, alpha, …]) 指数权重窗口 描述统计学 方法 描述 DataFrame.abs() 返回绝对值 DataFrame.all([axis, bool_only, skipna, level]) ...
season_mean=data.groupby('time.season').mean('time', skipna=True)year_mean=data.groupby('time.year').mean('time', skipna=True)month_mean=data.groupby('time.montn').mean('time', skipna=True) 对于按月分组元素的迭代 经过上面的分割操作后,原数据已经拆分成12个组(groups),放置在变量month_...
df.mean(axis=1, skipna=False) #求各行的平均值,考虑na的存在 df.idxmax() #返回最大值的索引 df.cumsum() #累计求和 df.describe() ser.describe() 返回count mean std min max等值 ser.unique() #去重 ser.value_counts() df.value_counts() 返回一个series,其索引为唯一值,值为频率 ...
1或’columns’:减少列,返回一个索引为原始索引的Series。None:减少所有轴,返回一个标量。skipna: bool, 默认 True,排除NA/null值。如果整个row/column为NA,并且skipna为True,那么对于空row/column,结果将为True。如果skipna是False,那么NA就被当作True,因为它们不等于零。
mean(axis=0, skipna=False) 对列(行)求平均值 sum(axis=1) 对列(行)求平均值 sort_index(axio,...,ascending) 对列(行)索引排序 sort_values(by, axis, ascending) 按某一列(行)的值排序,注意:有nan的不参与排序 放到最后显示 # Numpy的通用函数同样适用于pandas ...
mean last cummin notna agg convert_dtypes round transform asof isin asfreq slice_shift xs mad infer_objects rpow drop_duplicates mul cummax corr droplevel dtypes subtract rdiv filter multiply to_dict le dot aggregate pop rolling where interpolate head tail size iteritems rmul take iat to_hdf to...