回顾

在数据处理进阶pandas入门(十)中，我们介绍了时间序列的重采样，其中resample()方法中的closed和label两个参数需要重点理解。今天我们看一下pandas中如何利用现成方法来进行一些简单常见的数值计算和统计。

常用的简单数值计算方法

我们使用pandas的一个主要目的就是为了进行数据的数值计算和统计。常用的简单数值计算方法有：

count()：统计非NaN值的数量。

max()、min()：样本最大值、最小值。

sum()：样本总和。

mean()：样本平均值。

quantile()：样本分位数，参数q确定位置，如q=0.25就是按一定顺序排序后1/4位置上的数。

median()：样本中位数，其实就是quantile()中q=0.5情况下的分位数。

std()：样本标准差。

skew()：样本的偏度。偏度也称为偏态、偏态系数，是统计系数分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。

kurt()：样本的峰度。峰度又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直观来看，峰度反映了峰部的尖度。样本的峰度是和正态分布相比较而言的统计量，如果峰度大于三，峰的形状比较尖，比正态分布峰要陡峭。反之亦然。

pandas中上述计算方法基本用法如下：​

import pandas as pdimport numpy as npdf = pd.DataFrame({'k1':np.random.rand(5)*10, 'k2':np.random.rand(5)*10}, index=list('abcde'))print(df)print("---------------")# 统计非NaN值的数量print(df.count())print("---------------")# 统计最小值print(df.min())print("---------------")# 统计分位数，参数q确定位置print(df.quantile(q=0.25))print("---------------")# 求和print(df.sum())print("---------------")# 求平均值p