集約関数

count

countメソッドは、データ数を決定するために使用することができる
(Default:NaN値を除く)

data = {
'korean': [50, 60, 70],
'math': [10, np.nan, 40]
}
df = pd.DataFrame(data, index = ['a','b','c'])
df.count(axis = 0) # 열 기준
df.count(axis = 1) # 행 기준

データ型は整数型であることに注意してください.

max, min

max、minメソッドを使用して最大値と最小値を決定
(Default:列ベース、NAN値を除く)

data = {
'korean': [50, 60, 70],
'math': [10, np.nan, 40]
}
df = pd.DataFrame(data, index = ['a','b','c'])
df.max() # 최댓값
df.min() # 최솟값

データ型が間違っていることに注意してください.

sum, mean

sum,平均メソッドを用いて合計と平均計算を行う
(Default:列ベース、NAN値を除く)

data = {
'korean': [50, 60, 70],
'math': [10, np.nan, 40]
}
df = pd.DataFrame(data, index = ['a','b','c'])
df.sum() # 합계
df.mean() # 평균

データ型エラー!

axis,skipna因子を用いた計算と平均値
(NAN値を含む行条件)

axis = 1行別計算

skipna = Truena値

は無視されます.

skipna = Falsena値を含む

data = {
'korean': [50, 60, 70],
'math': [10, np.nan, 40]
}
df = pd.DataFrame(data, index = ['a','b','c'])
df.sum(axis = 1) # 합계
df.mean(axis = 1, skipna = False) # 평균

NAN値置換数字

NaN値が存在する列の平均値置換NaN値

…
B_avg = df['math'].mean()
print(B_avg) # 25.0
# NaN값 대체
df['math'] = df['math'].fillna(B_avg)
# 평균
df.mean(axis = 1, skipna = False)

このときのデータ型もfloat!実刑.

[練習2]集約関数

質問する

データフレームdfは、korean、math列を含む.
dfデータフレームで関数を使用して次のタスクを実行します.

各カラムのデータ量をcol_num変数に格納して出力しようとします.

各行のデータ数をrow_num変数に格納して出力しようとします.

各列の最低価格を求め、col_max変数に保存して出力します.

各カラムの最適値を求め、col_min変数に保存して出力します.

各列の合計を求め、col_sum変数に保存して出力します.

math最終値を列の最大値に置き換え、dfを出力します.

各列の平均値を求め、col_avg変数に格納して出力する.

mport numpy as np
import pandas as pd

data = {
    'korean' : [50, 60, 70],
    'math' : [10, np.nan, 40]
}
df = pd.DataFrame(data, index = ['a','b','c'])
print(df, "\n")

code

# 각 컬럼별 데이터 개수
col_num = df.count(axis = 0)
print(col_num, "\n")

# 각 행별 데이터 개수
row_num = df.count(axis = 1)
print(row_num, "\n")

# 각 컬럼별 최댓값
col_max = df.max()
print(col_max, "\n")

# 각 컬럼별 최솟값
col_min = df.min()
print(col_min, "\n")

# 각 컬럼별 합계
col_sum = df.sum()
print(col_sum, "\n")

# 컬럼의 최솟값으로 NaN값 대체
math_min = df['math'].min()
df['math'] = df['math'].fillna(math_min)
print(df, "\n")

# 각 컬럼별 평균
col_avg = df.mean()
print(col_avg, "\n")

実行結果

   korean  math
a      50  10.0
b      60   NaN
c      70  40.0 

korean    3
math      2
dtype: int64 

a    2
b    1
c    2
dtype: int64 

korean    70.0
math      40.0
dtype: float64 

korean    50.0
math      10.0
dtype: float64 

korean    180.0
math       50.0
dtype: float64 

   korean  math
a      50  10.0
b      60  10.0
c      70  40.0