数据分析工具Pandas：常用的统计计算

　　Pandas为我们提供了非常多的描述性统计分析的指标方法，比如总和、均值、最小值、最大值等。接下来，笔者来罗列一些常用的描述性统计方法，以及它们的具体说明。

　　1.sum：计算和

　　2.mean：计算平均值

　　3.median：获取中位数

　　4.max、min：获取最大值和最小值

　　5.idxmax、idxmin：获取最大和最小索引值

　　6.count：计算非NaN值的个数

　　7.head：获取前N个值

　　8.var：样本值的方差

　　9.std：样本值的标准差

　　10.skew：样本值的偏度(三阶矩)

　　11.kurt：样本值的峰度(四阶矩)

　　12.cumsum：样本值的累计和。

　　13.cummin、cummax：样本值的累积最小值和累积最大值。

　　14.cumpord：样本值的累计积。

　　15.describe：对Series和DataFrame列计算汇总统计。

　　下面通过一些示例来演示上述部分方法的使用。例如，创建一个3行4列的DataFrame对象，它的列索引为“a、b、c、d”，具体代码如下。

In [59]: df_obj = pd.DataFrame(np.arange(12).reshape(3, 4),
                               columns=['a', 'b', 'c', 'd'])
         df_obj
Out[59]:
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
2  8  9   10  11

　　然后，让DataFrame对象依次调用sum()、max()和min()方法，分别执行求和、求最大值和最小值的运算，具体代码如下。

In [60]: df_obj.sum()      #计算每列的和
Out[60]:
a    12
b    15
c    18
d    21
dtype: int64
In [61]: df_obj.max()      # 获取每列的最大值
Out[61]:
a     8
b     9
c    10
d    11
dtype: int32
In [62]: df_obj.min(axis=1)   # 沿着横向轴，获取每行的最小值
Out[62]:
0    0
1    4
2    8
dtype: int32

　　通过结果可以看出，DataFrame默认优先以纵向轴进行计算，除非在调用这些统计方法时，显式地指明沿着横向轴方向，即aixs=1，才会对每行的数据进行计算。