Pandas 笔记(3): 统计函数与映射操作

Python 数据处理库使用方法

作者：LYGreen
分类：数据分析
创建时间： 3/3/2026, 8:20:46 AM
更新时间： 3/3/2026, 8:20:46 AM

统计函数

常见的统计函数有：

函数作用
.sum()求和
.mean()平均值
.median()中位数
.max()最大值
.min()最小值
.std()标准差
.count()非空个数
.unique()去重值
.value_counts()统计频次

例如：

import pandas as pd

ds = pd.DataFrame({
    "a": [5, 3, 6],
    "b": [9, 5, 6],
    "c": [1, 8, 0],
    "d": [2, 6, 1],
    "e": [7, 1, 3],
})

print(ds.mean())

输出：

a    4.666667
b    6.666667
c    3.000000
d    3.000000
e    3.666667
dtype: float64

统计函数也可以用在具体某一列，例如：ds.a.sum()，输出：14

描述

使用.describe()可以查看常见的统计信息，例如：

ds = pd.DataFrame({
    "a": [5, 3, 6],
    "b": [9, 5, 6],
    "c": [1, 8, 0],
    "d": [2, 6, 1],
    "e": [7, 1, 3],
})

print(ds.describe())

输出：

              a         b         c         d         e
count  3.000000  3.000000  3.000000  3.000000  3.000000
mean   4.666667  6.666667  3.000000  3.000000  3.666667
std    1.527525  2.081666  4.358899  2.645751  3.055050
min    3.000000  5.000000  0.000000  1.000000  1.000000
25%    4.000000  5.500000  0.500000  1.500000  2.000000
50%    5.000000  6.000000  1.000000  2.000000  3.000000
75%    5.500000  7.500000  4.500000  4.000000  5.000000
max    6.000000  9.000000  8.000000  6.000000  7.000000

这里的25%, 50%, 75%是分位数（Quantiles）

映射操作

map()

.map()修改单元格，只能用于 Series，代码示例：

s = pd.Series([1, 2, 3])
s = s.map(lambda x: x * 10)
print(s)

输出：

0    10
1    20
2    30
dtype: int64

也可以用字典映射，例如：

s = pd.Series(['a', 'b', 'c', 'a', 'c', 'c', 'b'])
s = s.map({
    'a': 1,
    'b': 2,
    'c': 3
})
print(s)

输出：

0    1
1    2
2    3
3    1
4    3
5    3
6    2
dtype: int64

apply()

apply()可用于 Series 和 DataFrame，可以作用于一整行或一整列，也可以作用于每一个元素，例如：

s = pd.DataFrame({
    "a": [5, 3, 6],
    "b": [9, 5, 6],
    "c": [1, 8, 0],
    "d": [2, 6, 1],
    "e": [7, 1, 3],
})
s = s.apply(lambda x: x.max())
print(s)

输出：

a    6
b    9
c    8
d    6
e    7
dtype: int64

资源