Funções Estatísticas do Pandas

Exemplo de operação de função estatística Pandas

Métodos estatísticos ajudam a entender e analisar o comportamento dos dados. Agora, vamos aprender algumas funções estatísticas que podem ser aplicadas a objetos Pandas.

Variação em Percentual

Series, DataFrames e Panes possuem a função pct_change() . Esta função compara cada elemento com o elemento anterior e calcula a porcentagem de variação.

　import　pandas　as　pd
　import　numpy　as　np
　s　=　pd.Series([1,2,3,4,5,4]
　print(s.pct_change()
　df　=　pd.DataFrame(np.random.randn(5,　2))
　print(df.pct_change())

Resultados da Execução：

　0　　NaN
1　　　1.000000
2　　　0.500000
3　　　0.333333
4　　　0.250000
5　　-0.200000
dtype:　float64
　　　　　　　　　　0　　　　　　　　　　1
0　　NaN　　NaN
1　　-15.151902　　　0.174730
2　　-0.746374　　　-1.449088
3　　-3.582229　　　-3.165836
4　　　15.601150　　-1.860434

Por padrão, pct_change() opera nas colunas; se desejar aplicar o mesmo ao mesmo linha, use axis = 1() parâmetros.

Covariância

A covariância é aplicada aos dados de séries. O objeto de série possui o método cov para calcular a covariância entre objetos de série. O valor NA será automaticamente excluído.

Série Covariância

　import　pandas　as　pd
　import　numpy　as　np
　s1　=　pd.Series(np.random.randn(10))
　s2　=　pd.Series(np.random.randn(10))
　print(s1.cov(s2))

Resultados da Execução：

　　　-0.12978405324

Quando o método de covariância é aplicado ao DataFrame, ele calculará a covariância entre todas as colunas.

　import　pandas　as　pd
　import　numpy　as　np
　frame　=　pd.DataFrame(np.random.randn(10,　5), columns=['a',　'b',　'c',　'd',　'e'])
　print(frame['a'].cov(frame['b']))
　print(frame.cov())

Resultados da Execução：

　-0.58312921152741437
　　　　　　　　　　　a　　b　　c　　d　　e
a　　　1.780628　　　-0.583129　　　-0.185575　　　　0.003679　　　　-0.136558
b　　-0.583129　　　　1.297011　　　　0.136530　　　-0.523719　　　　　0.251064
c　　-0.185575　　　　0.136530　　0.915227　　　-0.053881　　　　-0.058926
d　0.003679　　　-0.523719　　　-0.053881　　　　1.521426　　　　-0.487694
e　　-0.136558　　　　0.251064　　　-0.058926　　　-0.487694　　　　　0.960761

Observar o valor cov entre as colunas a e b na primeira linha de comando, que é o mesmo que o cov retornado no DataFrame.

Correlação

A correlação mostra a relação linear entre qualquer dois arrays de valores ( séries ) . Existem várias maneiras de calcular correlação, por exemplo, pearson ( padrão ), spearman e kendall.

　import　pandas　as　pd
　import　numpy　as　np
　frame　=　pd.DataFrame(np.random.randn(10,　5), columns=['a',　'b',　'c',　'd',　'e'])
　print(frame['a'].corr(frame['b']))
　print(frame.corr())

Resultados da Execução：

　-0.383712785514
　　　　　　　　　　　a　　　　　　　　　b　　　　　　　　　c　　　　　　　　　d　　　　　　　　　　　e
a　　　1.000000　　-0.383713　　-0.145368　　　0.002235　　　-0.104405
b　　-0.383713　　　1.000000　0.125311　　-0.372821　　　　0.224908
c　　-0.145368　　　0.125311　　　1.000000　　-0.045661　　　-0.062840
d　0.002235　　-0.372821　　-0.045661　　　1.000000　　　-0.403380
e　　-0.104405　　　0.224908　　-0.062840　　-0.403380　　　　1.000000

Se o DataFrame contiver qualquer coluna não numérica, será excluída automaticamente.

Ranking de dados

Ranking de dados realiza a classificação de cada elemento do array de elementos. Se houver empate, atribui-se a classificação média.

　import　pandas　as　pd
　import　numpy　as　np
　s　=　pd.Series(np.random.np.random.randn(5),　index=list('abcde'))
　s['d']　=　s['b']　#　there's　a　tie
　print(s.rank())

Resultados da Execução：

　a　　1.0
b　　3.5
c　　2.0
d　　3.5
e　　5.0
dtype:　float64

Rank pode optar por ordem crescente do parâmetro, por padrão é true; se for false, a classificação dos dados é inversa, os valores maiores são distribuídos como classificação menor.

Rank suporta o uso do parâmetro method:

average − A média do nível dos grupos paralelos. min − A classificação mais baixa no grupo. max − O nível mais alto no grupo. first − A distribuição de linhas e colunas está na ordem dos arrays onde eles aparecem.