Python-pandas-statistical-functions

Pythonパンダ-統計関数

統計的手法は、データの動作の理解と分析に役立ちます。 ここで、Pandasオブジェクトに適用できるいくつかの統計関数を学習します。

変化率

シリーズ、DatFrames、およびパネルには、すべて* pct_change（）*関数があります。 この関数は、すべての要素をその前の要素と比較し、変化率を計算します。

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()

その*出力*は次のとおりです-

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

デフォルトでは、* pct_change（）は列に対して機能します。同じ行を適用する場合は、 axis = 1（）*引数を使用します。

共分散

共分散は系列データに適用されます。 Seriesオブジェクトには、シリーズオブジェクト間の共分散を計算するメソッドcovがあります。 NAは自動的に除外されます。

Covシリーズ

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)

その*出力*は次のとおりです-

-0.12978405324

DataFrameに適用された共分散法は、すべての列間で cov を計算します。

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()

その*出力*は次のとおりです-

-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

注-最初のステートメントの a と b 列の間の cov を観察します。これは、DataFrameのcovによって返される値です。

相関

相関関係は、任意の2つの値の配列（系列）の間の線形関係を示しています。 ピアソン（デフォルト）、スピアマン、ケンドールなど、相関を計算する方法は複数あります。

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()

その*出力*は次のとおりです-

-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

DataFrameに数値以外の列がある場合、自動的に除外されます。

データランキング

データのランキングは、要素の配列内の各要素のランキングを生成します。 同順位の場合、平均ランクを割り当てます。

import pandas as pd
import numpy as np

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

その*出力*は次のとおりです-

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

ランクは、オプションで、デフォルトでtrueであるパラメータの昇順を取ります。 falseの場合、データは逆ランク付けされ、値が大きいほど小さいランクが割り当てられます。

ランクは、メソッドパラメータで指定されたさまざまなタイブレークメソッドをサポートしています-

• 平均-同順位グループの平均ランク
• min -グループ内の最低ランク
• max -グループ内の最高ランク
• first -配列に現れる順序で割り当てられたランク