Python酷库之旅-第三方库Pandas(113)

目录

一、用法精讲

496、pandas.DataFrame.kurtosis方法

496-1、语法

496-2、参数

496-3、功能

496-4、返回值

496-5、说明

496-6、用法

496-6-1、数据准备

496-6-2、代码示例

496-6-3、结果输出

497、pandas.DataFrame.max方法

497-1、语法

497-2、参数

497-3、功能

497-4、返回值

497-5、说明

497-6、用法

497-6-1、数据准备

497-6-2、代码示例

497-6-3、结果输出

498、pandas.DataFrame.mean方法

498-1、语法

498-2、参数

498-3、功能

498-4、返回值

498-5、说明

498-6、用法

498-6-1、数据准备

498-6-2、代码示例

498-6-3、结果输出

499、pandas.DataFrame.median方法

499-1、语法

499-2、参数

499-3、功能

499-4、返回值

499-5、说明

499-6、用法

499-6-1、数据准备

499-6-2、代码示例

499-6-3、结果输出

500、pandas.DataFrame.min方法

500-1、语法

500-2、参数

500-3、功能

500-4、返回值

500-5、说明

500-6、用法

500-6-1、数据准备

500-6-2、代码示例

500-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

496、pandas.DataFrame.kurtosis方法
496-1、语法
# 496、pandas.DataFrame.kurtosis方法
pandas.DataFrame.kurtosis(axis=0, skipna=True, numeric_only=False, **kwargs)
Return unbiased kurtosis over requested axis.Kurtosis obtained using Fisher’s definition of kurtosis (kurtosis of normal == 0.0). Normalized by N-1.Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.For DataFrames, specifying axis=None will apply the aggregation across both axes.New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.**kwargs
Additional keyword arguments to be passed to the function.Returns:
Series or scalar.
496-2、参数

496-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作(即计算每一列的峭度)；1或'columns'，在列的方向上进行操作(即计算每一行的峭度)。

496-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为False，且存在NaN，则返回NaN。

496-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)。

496-2-4、**kwargs(可选)：其他关键字参数，可以传递给计算峭度的底层方法。

496-3、功能

        用于计算数据框中每一列或每一行的峭度(kurtosis)，峭度是描述数据分布形状的一个统计量，表示峰度的程度。

496-4、返回值

        返回一个Series，包含每列(或每行)的峭度值。

496-5、说明

        无

496-6、用法
496-6-1、数据准备
无
496-6-2、代码示例
# 496、pandas.DataFrame.kurtosis方法
import pandas as pd
# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],'B': [5, 6, 7, 8, 9],'C': [5, 5, 5, None, 5]
}
df = pd.DataFrame(data)
# 计算每列的峭度
kurtosis_result = df.kurtosis(axis=0)
print(kurtosis_result)
496-6-3、结果输出
# 496、pandas.DataFrame.kurtosis方法
# A   -1.2
# B   -1.2
# C    0.0
# dtype: float64
497、pandas.DataFrame.max方法
497-1、语法
# 497、pandas.DataFrame.max方法
pandas.DataFrame.max(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the maximum of the values over the requested axis.If you want the index of the maximum, use idxmax. This is the equivalent of the numpy.ndarray method argmax.Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.For DataFrames, specifying axis=None will apply the aggregation across both axes.New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.**kwargs
Additional keyword arguments to be passed to the function.Returns:
Series or scalar.
497-2、参数

497-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的最大值；1或'columns'，在列的方向上进行操作，计算每一行的最大值。

497-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

497-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

497-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

497-3、功能

        用于计算数据框中每一列或每一行的最大值，该方法可以处理包含缺失值的情况，并允许用户选择如何操作数据。

497-4、返回值

        返回每列或每行的最大值，结果为一个Series。

497-5、说明

        无

497-6、用法
497-6-1、数据准备
无
497-6-2、代码示例
# 497、pandas.DataFrame.max方法
import pandas as pd
# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],'B': [5, 6, 7, 8, None],'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的最大值
max_values = df.max(axis=0)
print(max_values)
# 计算每行的最大值
max_values_rows = df.max(axis=1)
print(max_values_rows)
497-6-3、结果输出
# 497、pandas.DataFrame.max方法
# A     5.0
# B     8.0
# C    10.0
# dtype: float64
# 0     5.0
# 1     6.0
# 2     7.0
# 3     8.0
# 4    10.0
# dtype: float64
498、pandas.DataFrame.mean方法
498-1、语法
# 498、pandas.DataFrame.mean方法
pandas.DataFrame.mean(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the mean of the values over the requested axis.Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.For DataFrames, specifying axis=None will apply the aggregation across both axes.New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.**kwargs
Additional keyword arguments to be passed to the function.Returns:
Series or scalar.
498-2、参数

498-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的均值；1或'columns'，在列的方向上进行操作，计算每一行的均值。

498-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

498-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

498-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

498-3、功能

        用于计算数据框中每一列或每一行的均值，它对于处理缺失值有灵活的选项，允许用户选择计算方式。

498-4、返回值

        返回每列或每行的均值，结果为一个Series。

498-5、说明

        无

498-6、用法
498-6-1、数据准备
无
498-6-2、代码示例
# 498、pandas.DataFrame.mean方法
import pandas as pd
# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],'B': [5, 6, 7, None, 9],'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的均值
mean_values = df.mean(axis=0)
print(mean_values)
# 计算每行的均值
mean_values_rows = df.mean(axis=1)
print(mean_values_rows)
498-6-3、结果输出
# 498、pandas.DataFrame.mean方法
# A    3.00
# B    6.75
# C    6.00
# dtype: float64
# 0    2.666667
# 1    4.000000
# 2    5.000000
# 3    6.000000
# 4    8.000000
# dtype: float64
499、pandas.DataFrame.median方法
499-1、语法
# 499、pandas.DataFrame.median方法
pandas.DataFrame.median(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the median of the values over the requested axis.Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.For DataFrames, specifying axis=None will apply the aggregation across both axes.New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.**kwargs
Additional keyword arguments to be passed to the function.Returns:
Series or scalar.
499-2、参数

499-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的中位数；1或'columns'，在列的方向上进行操作，计算每一行的中位数。

499-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

499-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

499-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

499-3、功能

        用于计算数据框中每一列或每一行的中位数，它在处理缺失值时提供了灵活性。

499-4、返回值

        返回每列或每行的中位数，结果为一个Series。

499-5、说明

        无

499-6、用法
499-6-1、数据准备
无
499-6-2、代码示例
# 499、pandas.DataFrame.median方法
import pandas as pd
# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],'B': [5, 6, 7, None, 9],'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的中位数
median_values = df.median(axis=0)
print(median_values)
# 计算每行的中位数
median_values_rows = df.median(axis=1)
print(median_values_rows)
499-6-3、结果输出
# 499、pandas.DataFrame.median方法
# A    3.0
# B    6.5
# C    6.0
# dtype: float64
# 0    2.0
# 1    4.0
# 2    5.0
# 3    6.0
# 4    9.0
# dtype: float64
500、pandas.DataFrame.min方法
500-1、语法
# 500、pandas.DataFrame.min方法
pandas.DataFrame.min(axis=0, skipna=True, numeric_only=False, **kwargs)
Return the minimum of the values over the requested axis.If you want the index of the minimum, use idxmin. This is the equivalent of the numpy.ndarray method argmin.Parameters:
axis{index (0), columns (1)}
Axis for the function to be applied on. For Series this parameter is unused and defaults to 0.For DataFrames, specifying axis=None will apply the aggregation across both axes.New in version 2.0.0.skipnabool, default True
Exclude NA/null values when computing the result.numeric_onlybool, default False
Include only float, int, boolean columns. Not implemented for Series.**kwargs
Additional keyword arguments to be passed to the function.Returns:
Series or scalar.
500-2、参数

500-2-1、axis(可选，默认值为0)：{0或'index', 1或'columns'}，0或'index'，在行的方向上进行操作，计算每一列的最小值；1或'columns'，在列的方向上进行操作，计算每一行的最小值。

500-2-2、skipna(可选，默认值为True)：布尔值，是否跳过缺失值(NaN)，如果为True，缺失值将被忽略，计算时不包括这些值；如果为False，且包含NaN，则结果为NaN。

500-2-3、numeric_only(可选，默认值为False)：布尔值，如果为True，仅计算数值类型的列(或行)；如果为False，所有类型的列(或行)都会被考虑。

500-2-4、**kwargs(可选)：其他关键字参数，可以传递给底层的方法。

500-3、功能

        用于计算数据框中每一列或每一行的最小值。

500-4、返回值

        返回每列或每行的最小值，结果为一个Series。

500-5、说明

        无

500-6、用法
500-6-1、数据准备
无
500-6-2、代码示例
# 500、pandas.DataFrame.min方法
import pandas as pd
# 创建一个示例数据框
data = {'A': [1, 2, 3, 4, 5],'B': [5, 6, 7, None, 9],'C': [2, 4, None, 8, 10]
}
df = pd.DataFrame(data)
# 计算每列的最小值
min_values = df.min(axis=0)
print("每列的最小值：\n", min_values)
# 计算每行的最小值
min_values_rows = df.min(axis=1)
print("每行的最小值：\n", min_values_rows)
500-6-3、结果输出
# 500、pandas.DataFrame.min方法
# 每列的最小值：
#  A    1.0
# B    5.0
# C    2.0
# dtype: float64
# 每行的最小值：
#  0    1.0
# 1    2.0
# 2    3.0
# 3    4.0
# 4    5.0
# dtype: float64

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/413708.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

element的el-date-picker组件实现只显示年月日时分，不显示秒

element的el-date-picker组件实现只显示年月日时分，不显示秒

需求&#xff1a;使用element的el-date-picker组件&#xff0c;只显示时分&#xff0c;不消失秒 效果&#xff1a; 解决方法&#xff1a; <el-date-pickerv-model"ruleForm.startTime"type"datetime"placeholder"开始时间"format"yyyy-…
阅读更多...
分支和循环(上)

分支和循环(上)

目录 1. if语句 1.1 if ​1.2 else 1.3 分支中包含多条语句 1.4 嵌套if 1.5 悬空else问题 2. 关系操作符 3. 条件操作符 4. 逻辑操作符 4.1 逻辑取反操作符 4.2 逻辑与运算符 4.3 逻辑或运算符 4.4 连续:闰年的判断 4.5 短路 5. switch语句 5.1 if语句和switch…
阅读更多...
企业级Mysql 集群技术部署

企业级Mysql 集群技术部署

目录 1.1部署mysql 1.1.1 安装依赖性&#xff1a; 1.1.2 下载并解压源码包 1.1.3 源码编译安装mysql 1.1.4 部署mysql 2.mysql的主从复制 2.1 配置masters 2.2配置slave 2.3 延迟复制 2.4 慢查询日志 2.5并行复制 2.6 原理刨析 2. 7架构缺陷 3.半同步模式 3.1半同…
阅读更多...
公务员面试（c语言）

公务员面试（c语言）

1./ 描述 //公务员面试现场打分。有7位考官&#xff0c;从键盘输入若干组成绩&#xff0c;每组7个分数&#xff08;百分制&#xff09;&#xff0c;去掉一个最高分和一个最低分&#xff0c;输出每组的平均成绩。 //&#xff08;注&#xff1a;本题有多组输入&#xff09; //输入…
阅读更多...
C语言：ASCII码表和字符操作

C语言：ASCII码表和字符操作

目录 目录 1. 引言 2. ASCII码表 2.1 控制字符 2.2 可显示字符 3. 例子 3.1 相关函数 3.2 打印能够显示的 ASCII码 3.3 字母大小写转换 3.4 数字转数字字符 1. 引言 因为计算机只是认识 0 和 1组成的一串串的二进制数字&#xff0c;为了将人类认识的文…
阅读更多...
C++ | Leetcode C++题解之第385题迷你语法分析器

C++ | Leetcode C++题解之第385题迷你语法分析器

题目&#xff1a; 题解&#xff1a; class Solution { public:int index 0;NestedInteger deserialize(string s) {if (s[index] [) {index;NestedInteger ni;while (s[index] ! ]) {ni.add(deserialize(s));if (s[index] ,) {index;}}index;return ni;} else {bool negati…
阅读更多...
求职Leetcode题目（9）

求职Leetcode题目（9）

1.通配符匹配 题解&#xff1a; 其中&#xff0c;横轴为string s&#xff0c;纵轴为pattern p 这个表第(m,n)个格子的意义是:【p从0位置到m位置】这一整段&#xff0c;是否能与【s从0位置到n位置】这一整段匹配 也就是说&#xff0c;如果表格的下面这一个位置储存的是T(True)…
阅读更多...
【LoRa】CAD的工作原理以及使用

【LoRa】CAD的工作原理以及使用

目录 1 CAD介绍1.1 CAD工作原理1.2 与CAD有关的中断 2 CAD的使用2.1 CAD总耗时2.2 CAD均衡配置2.3 最优配置速查表 3 CAD的应用3.1 CAD项目使用3.2 CAD扩展应用CSMA 4 参考文献 1 CAD介绍 本章介绍一下LoRa芯片的CAD功能、原理以及如何使用。由于第一代SX127x的CAD使用与以后的…
阅读更多...
【国铁采购平台-注册安全分析报告-无验证方式导致安全隐患】

【国铁采购平台-注册安全分析报告-无验证方式导致安全隐患】

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 1. 暴力破解密码&#xff0c;造成用户信息泄露 2. 短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉 3. 带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造…
阅读更多...
Linux的常见指令

Linux的常见指令

前言 Hello,今天我们继续学习Liunx&#xff0c;上期我们简单了解了Linux的基本用处&#xff0c;并了解了Linux的重要性&#xff0c;今天我们就继续更加深入的学习Linux&#xff0c;进行指令方面的学习&#xff0c;我们可以通过先学习简单的基础命令来学习Linux&#xff0c;并在…
阅读更多...
使用nvitop来监控 NVIDIA GPU 的使用情况

使用nvitop来监控 NVIDIA GPU 的使用情况

1.安装nvitop&#xff1a; pip install nvitop2.运行 nvitop: nvitop显示如下&#xff1a; 显示信息含义 1. 顶部信息栏 当前时间&#xff1a;显示当前的系统时间&#xff08;Sat Aug 31 16:33:03 2024&#xff09;。提示信息&#xff1a;提示可以按 h 键获取帮助或按 q 键…
阅读更多...
OpenAI 神秘模型「草莓」预计今秋推出，ChatGPT 将迎重大升级｜TodayAI

OpenAI 神秘模型「草莓」预计今秋推出，ChatGPT 将迎重大升级｜TodayAI

有外媒报道指出&#xff0c;OpenAI 内部代号为「Strawberry&#xff08;草莓&#xff09;」的 AI 模型即将在今年秋季面世。这一消息引发了业内广泛关注&#xff0c;被认为可能会为 ChatGPT 带来今年最重要的升级。 「草莓」模型的强大能力与应用潜力 据《The Information》报…
阅读更多...
前端面试——八股文

前端面试——八股文

一、Vue2篇 1. 关于生命周期 1.1 生命周期有哪些&#xff1f;发送请求在created还是mounted&#xff1f; 请求接口测试&#xff1a;https://fcm.52kfw.cn/index.php?_mall_id1&rapi/default/districtVue2.x系统自带有8个 beforeCreate created beforeMount mounted be…
阅读更多...
力扣375.猜数字大小 II

力扣375.猜数字大小 II

力扣375.猜数字大小 II dp dp[i][j]是说依次以从i到j的数字作为分割点(猜的数)&#xff0c;必定赢的游戏所用钱的最小值。 枚举每一列&#xff0c;从下往上算出dp[i][j]&#xff0c;最终答案为dp[1][n] class Solution {public:int getMoneyAmount(int n) {if(n 1)retu…
阅读更多...
做影像组学+深度学习技术研究如何发表高分论文，案例解析

做影像组学+深度学习技术研究如何发表高分论文，案例解析

论文简介 标题&#xff1a;Longitudinal MRI-based fusion novel model predicts pathological complete response in breast cancer treated with neoadjuvant chemotherapy: a multicenter, retrospective study&#xff08;纵向MRI结合新模型预测新辅助化疗乳腺癌的病理完全…
阅读更多...
CSND文章质量分批量查询

CSND文章质量分批量查询

简介 CSDN 质量分是一项公开的 CSDN 博文内容质量分析服务&#xff0c;其综合分析了内容的标题、段落结构、正文长度、代码格式及复杂度、链接和超文本内容比例及质量等因素&#xff0c;为 IT 技术文章提供客观公共的质量分析结果 用途 可用与对文章质量做评估可申请创作者 …
阅读更多...
【web网页制作】中国传统文化书法主题html网页制作开发div+css（6页面附效果源码）

【web网页制作】中国传统文化书法主题html网页制作开发div+css（6页面附效果源码）

HTMLCSS传统文化主题书法网页制作 &#x1f354;涉及知识&#x1f964;写在前面&#x1f367;一、网页主题&#x1f333;二、网页效果菜单切换效果PageA、整体页Page1、主页Page2、行书页Page3、楷书页Page4、隶书页Page5、篆书页Page6、草书页 &#x1f40b;三、网页架构与技术…
阅读更多...
Python | Leetcode Python题解之第386题字典序排数

Python | Leetcode Python题解之第386题字典序排数

题目&#xff1a; 题解&#xff1a; class Solution:def lexicalOrder(self, n: int) -> List[int]:ans [0] * nnum 1for i in range(n):ans[i] numif num * 10 < n:num * 10else:while num % 10 9 or num 1 > n:num // 10num 1return ans
阅读更多...
【电子数据取证】Linux软件包管理器yum和编辑器vim

【电子数据取证】Linux软件包管理器yum和编辑器vim

文章关键词&#xff1a;电子数据取证、手机取证、安卓取证、云取证 在Linux系统中&#xff0c;我们会进行一些软件的安装以及对一些服务或软件的配置&#xff0c;这时就需要用到Linux的yum以及编辑器&#xff0c;下面我们就来看一下这两个功能。 Linux软件包管理器yum 一、什…
阅读更多...
模型 错位竞争（战略规划）

模型 错位竞争（战略规划）

系列文章 分享 模型&#xff0c;了解更多&#x1f449; 模型_思维模型目录。与其更好&#xff0c;不如不同。 1 错位竞争的应用 1.1 美团的错位竞争策略 美团&#xff0c;作为中国领先的电子商务平台&#xff0c;面临着阿里巴巴等电商巨头的竞争压力。为了在市场中获得独特的…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023