Python3数据分析与挖掘建模实战 学习代码开发

# encoding: utf-8 __author__ = 'mtianyan' __date__ = '2018/3/21 0021 15:57' import pandas as pd df = pd.read_csv('./data/HR.csv') # 其他可选参数: sep="\t" 不止可以读csv，可以指定其他分隔符 print(type(df)) # 组成df里的每一列数据又是一个Series print(type(df['satisfaction_level'])) print('*****************************') # 平均数 print(df.mean()) # 返回的是一个series类型的 print(type(df.mean())) # 使用series直接求均值,得到一个值 print(df['satisfaction_level'].mean()) print('*****************************') # 中位数 print(df.median()) # series的中位数 print (df['satisfaction_level'].median()) print('*****************************') # 分位数 # 四分位数填入0.25 print(df.quantile(q=0.25)) print(df['satisfaction_level'].quantile(q=0.25)) print('*****************************') # 众数:返回可能有点不同，因为众数有可能不是唯一的.出现几个就会返回几个。 # 对于返回的这个dataframe，它的行数取决于众数最多的那一列 print(df.mode()) print('*****************************') # 对于series求众数，返回的也是一个series print(df['satisfaction_level'].mode()) print('*****************************') # 离中趋势 # 标准差std print(df.std()) print('*****************************') print(df['satisfaction_level'].std()) print('*****************************') # 方差 print(df.var()) print('*****************************') print(df['satisfaction_level'].var()) print('*****************************') # 求和：离散数据求和变成了字符串相连 print(df.sum()) print('*****************************') print(df['satisfaction_level'].sum()) print('*****************************') # 偏态系数 print(df.skew()) print('*****************************') # 满意度级别的偏态系数为负的，说明它的平均值偏小，也就是它的大部分值是大于平均值，它是负偏。所以它的satisfaction_level是处于大多数人比较好的状态 print(df['satisfaction_level'].skew()) print('*****************************') # 峰态系数(针尖还是山丘） # 这里的峰态系数以正态分布为0作为标准的。也就是减过3了。 print(df.kurt()) print('*****************************') print(df['satisfaction_level'].kurt()) # -0.67 ,与正态0相比差值不到2，相对平缓的 print('*****************************') # 分布函数 import scipy.stats as ss # 生成一个正态分布的对象 ss.norm # 查看这个正态分布对象的性质 # 'm' = mean, 均值 # 'v' = variance, 方差 # 's' = (Fisher's) skew, 偏态系数 # 'k' = (Fisher's) kurtosis. 峰态系数 print(ss.norm.stats(moments="mvsk")) # (array(0.0), array(1.0), array(0.0), array(0.0)) # 正态分布均值0，方差1，偏态系数和峰态系数都是0 print('*****************************') # 指定横坐标，返回纵坐标的值 print(ss.norm.pdf(0.0)) # 0.398942280401这就是这个分布函数在0这一点的值 # 标准正态分布，它的标准差方差是1，均值是0.此时输入0就会得到0.398 print('*****************************') # 输入值必须在0到1之间，表示一个累积值 print(ss.norm.ppf(0.9)) # 1.28155156554 # 表示从负无穷一直累积到1.28得到的值是0.9 # 从负无穷大到正无穷大积分是1:积分是0.9的时候，积分区间是从负无穷到1.28 print('*****************************') # 从负无穷积到给定数字的积分大小,累积概率大小 print(ss.norm.cdf(2)) # 0.977249868052 print('*****************************') # cdf(2)到cdf(-2)之间的积分概率为0.9544 # 两倍的标准差 - 负两倍的标准差。这中间的累积概率 print(ss.norm.cdf(2)-ss.norm.cdf(-2)) print('*****************************') # 产生正态分布的数字 print(ss.norm.rvs(size=10)) # 卡方分布 ss.chi2 # T分布 ss.t # f分布 ss.f # pdf(指定横坐标，返回纵坐标的值) # ppf(输入值必须在0到1之间，表示一个累积值) :也就是从负无穷到所求未知数字的为输入参数:区间累积概率。 # cdf 给定一个数字，求从负无穷到这个数字区间的累积概率。 # rvs 给出符合某一分布的数字 print('*****************************') # 抽样 # 按个数 print(df.sample(n=5)) # 按百分比，150 * 0.001 * 100 取15个 print(df.sample(frac=0.001)) print('*****************************') print(df['satisfaction_level'].sample(5)) # 学习方法，打开官网随用随查 # https://www.scipy.org/ # https://pandas.pydata.org/ # 十分钟接触pandas # 进阶: http://pandas.pydata.org/pandas-docs/stable/api.html