English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Tutoriales de Pandas

Estadísticas descriptivas de Pandas

Ejemplo de operaciones estadísticas descriptivas de Pandas

DataFrame se utiliza en un gran número de operaciones de estadísticas descriptivas y otras operaciones relacionadas. La mayoría son agregaciones, como sum(), mean(), pero algunas agregaciones (como sumsum()) pueden producir objetos de mismo tamaño. En general, estos métodos utilizan el parámetro de eje, como ndarray. {sum, std, ...} pero pueden especificarse por nombre o por entero DataFrame − Índice (axis=0, por defecto), Columna (axis=1)

Vamos a crear un DataFrame y usar este objeto para todas las operaciones en este capítulo.

Ejemplo

　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#　Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df)

Resultados de ejecución：

　　　　　　　　Edad　　Nombre　　　Calificación
0　　　25　　　Tom　　　　　4.23
1　　　26　　　James　　　3.24
2　　　25　　　Ricky　　　3.98
3　　　23　　　Vin　　　　　2.56
4　　　30　　　Steve　　　3.20
5　　　29　　　Smith　　　4.60
6　　　23　　　Jack　　　　3.80
7　　　34　　　Lee　　　　　3.78
8　　　40　　　David　　　2.98
9　　　30　　　Gasper　　4.80
10　　51　　　Betina　　4.10
11　　46　　　Andres　　3.65

sum()

Devuelve la suma de los valores de los ejes solicitados. Por defecto, el eje es el índice (eje=0)

　import　pandas　como　pd
　import　numpy　como　np
　　
　#Crear un diccionario de Series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum())

Resultados de ejecución：

　　　　Edad　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　382
Nombre　　TomJamesRickyVinSteveSmithJackLeeDavidGasperBe...
Rating　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　44.92
dtype:　object

Se agrega una cadena a cada columna individual

axis=1

Esta sintaxis mostrará el siguiente contenido.

　import　pandas　como　pd
　import　numpy　como　np
　　
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　　
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.sum(1))

Resultados de ejecución：

　　　　0　　　　29.23
1　　　　29.24
2　　　　28.98
3　　　　25.56
4　　　　33.20
5　　　　33.60
6　　　　26.80
7　　　　37.78
8　　　　42.98
9　　　　34.80
10　　　55.10
11　　　49.65
dtype:　float64

mean()

Devuelve el valor promedio

　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.mean())

Resultados de ejecución：

　　　　Edad　　　　　　　31.833333
Rating　　　　　3.743333
dtype:　float64

std()

Devuelve la desviación estándar Bressel de las columnas numéricas.

　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.std())

Resultados de ejecución：

　　　　Edad　　　　　　　9.232682
Rating　　0.661628
dtype:　float64

Funciones y Descripción

Ahora vamos a entender las funciones de estadísticas descriptivas en Python Pandas. La siguiente tabla enumera las funciones importantes:

NúmeroMétodoDescripción
1count()Números no vacíos
2sum()Total
3mean()Promedio
4median()Mediana
5mode()Patrón
6std()Desviación estándar
7min()Mínimo
8max()Máximo
9abs()Valor absoluto
10prod()Producto
11cumsum()Suma acumulativa
12cumprod()Multiplicación acumulativa
Nota: − Ya que DataFrame es una estructura de datos heterogénea. Las operaciones genéricas no son aplicables a todas las funciones.
    Funciones como sum(), cumsum() se pueden usar para elementos de datos numéricos y caracteres (o) cadenas sin generar ningún error. Aunque los conjuntos de caracteres no se utilizan comúnmente, no lanzan ninguna excepción.
  • Cuando DataFrame contiene datos de caracteres o cadenas, funciones como abs(), cumprod() generan excepciones, ya que dichas operaciones no se pueden ejecutar.

Resumen de datos

　　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe())

Resultados de ejecución：

　　　　　　　　　　　　　　　　Edad　　Rating
count　　　　12.000000　　　　　　12.000000
mean　　　　　31.833333　　　　　　　3.743333
std　　　　　　　9.232682　　　　　　　0.661628
min　　　　　　23.000000　　　　　　　2.560000
25%　　　　　　25.000000　　　　　　　3.230000
50%　　　　　　29.500000　　　　　　　3.790000
75%　　　　　　35.500000　　　　　　　4.132500
max　　　　　　51.000000　　　　　　　4.800000

Esta función proporciona valores promedio, std y IQR. Y, la función no incluye columnas de caracteres y resúmenes dados de columnas numéricas. "include" es un parámetro necesario para pasar información sobre qué columnas considerar en el resumen. Lista de valores; por defecto es "número".

objeto − Resumen de columnas de cadenasnúmero − Resumen de columnas numéricastodas − Resumen de todas las columnas juntas (no debería considerarse como un valor de lista)

A continuación, en el programa utilizamos la siguiente sentencia y ejecutamos y mostramos:

　　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.describe(include=['object']))

Resultados de ejecución：

　　　　　　　　　　　Nombre
count　　　　　　　12
unique　　　　　　12
top　　Ricky
freq　　　　　　　　　1

A continuación, en el programa utilizamos la siguiente sentencia y ejecutamos y mostramos:

　　import　pandas　como　pd
　import　numpy　como　np
　#Crear un diccionario de series
　d　=　{'Nombre':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
　　　　'''Lee','David','Gasper','Betina','Andres']),
　　　　'''Edad':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
　　　　'Calificación':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])
　}
　#Crear un DataFrame
　df　=　pd.DataFrame(d)
　print(df.　describe(include='all'))

Resultados de ejecución：

　　　　　　　　　　　Edad　Nombre　Calificación
count　　　12.000000　　　　　　　　12　　　　12.000000
unique　NaN　　　　　　　　12　　　　　　　　　　NaN
top　NaN　Ricky　NaN
freq　NaN　　　　　　　　　1　　　　　　　　　　NaN
mean　　　　31.833333　　　　　　　NaN　　　　　3.743333
std　　　　　　9.232682　　　　　　　NaN　0.661628
min　　　　　23.000000　NaN　　　　　2.560000
25%　　　　　25.000000　NaN　　　　　3.230000
50%　　　　　29.500000　NaN　　　　　3.790000
75%　　　　　35.500000　NaN　　　　　4.132500
max　　　　　51.000000　NaN　　　　　4.800000
Operaciones SQL de PandasMétodos básicos de Pandas