携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第26天，点击查看活动详情
也是暑假自学python的第36天
今天继续昨天的学习：
昨天学习了pandas的层次索引，今天开始学习pandas的统计计算和描述。
继续昨天学习的例子来看：
print(df_obj)
df_obj.loc[0,'b']=np.nan
print(df_obj)
print('-'*50)
print(df_obj.min(axis=0, skipna=True))
print('-'*50)
#观察数据分布的一种常用方法
print(df_obj.describe())
print(df_obj.describe())语句就可以看到对数据的一个详细的分析。
实例学习
使用一个实际的例子进行学习，我们将准备要进行分析的数据导入到本地目录之下：
使用pd.read_csv对其进行读取，打印出一些基本信息：
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
file_path = "IMDB-Movie-Data.csv"
df = pd.read_csv(file_path) #不加路径默认当前路径
print(df.info())
print(df.describe())
输出的结果如下：
对数据进行分析：
获取数据：
# 获取平均评分
print(df["Rating"].mean())
print('-'*50)
# 导演的人数
print(len(set(df["Director"].tolist())))
print(len(df["Director"].unique()))
print('-'*50)
print(len(df["Director"].unique()))：这种方法较为简单也容易理解，直接使用unique求len即可
绘制数据的直方图：
runtime_data = df["Runtime (Minutes)"].values
max_runtime = runtime_data.max()
min_runtime = runtime_data.min()
# 计算组数
print(max_runtime - min_runtime)
print('-'*50)
num_bin = (max_runtime - min_runtime) // 5
# 设置图形的大小
plt.figure(figsize=(20, 8), dpi=80)
# 第二个bins参数必须为int或sequence或str，bins代表划分为多少个单元
plt.hist(runtime_data, int(num_bin))
plt.xticks(range(min_runtime, max_runtime + 5,5))
plt.show()
绘制直方图，首先要确定最大值与最小值
max_runtime = runtime_data.max()
min_runtime = runtime_data.min()
按照每五分钟为一个组距来对数据进行划分
使用plt.hist(runtime_data, int(num_bin))来绘制直方图
plt.xticks(range(min_runtime, max_runtime + 5,5))来确定图像下面所标记的数据，xtick表示下面的标记，起始到终止，第三个参数为步长。
绘制的结果如下图所示：
