發布時間： 2023-02-13 11:33:16
| count | 非 NA 值的數量 |
| describe | 針對 Series 或 DF 的列計算匯總統計 |
| min , max | 最小值和最大值 |
| argmin , argmax | 最小值和最大值的索引位置（整數） |
| idxmin , idxmax | 最小值和最大值的索引值 |
| quantile | 樣本分位數（0 到 1） |
| sum | 求和 |
| mean | 均值 |
| median | 中位數 |
| mad | 根據均值計算平均絕對離差 |
| var | 方差 |
| std | 標準差 |
| skew | 樣本值的偏度（三階矩） |
| kurt | 樣本值的峰度（四階矩） |
| cumsum | 樣本值的累計和 |
| cummin , cummax | 樣本值的累計最大值和累計最小值 |
| cumprod | 樣本值的累計積 |
| diff | 計算一階差分（對時間序列很有用） |
| pct_change | 計算百分數變化 |
（1）.fillna()會填充nan數據，返回填充后的結果
（2）pddata["a"].unique() 特征a的值出現的set——唯一值
（3）.loc[]選取指定列進行操作——df.loc[行標簽,列標簽]
（4）.iloc[]函數——只能通過行號索引:df.iloc[0:4]它是基于索引位來選取數據集，0:4就是選取 0，1，2，3這四行
（5）作圖
from pandas.tools.plotting import scatter_matrix（混淆散點圖）
scatter_matrix(含有n個特征的數據X,s=100, alpha=1, c=colors[index], figsize=(10,10))
例如：scatter_matrix(beer[["calories","sodium","alcohol","cost"]],s=100, alpha=1, c=colors[beer["cluster"]], figsize=(16,16))
上一篇： 微服務架構的優勢有哪些
下一篇： 軟考備考需要多長時間完成
18922156670
