正文

Python分类统计数据

IP云
IP云V管理员/5 阅读
08/21
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

在数据的常见分布中，有一种是一对多存储的数据，即一个是key，其他改key对应的多个value。例如气象数据等，每天有很多组，又或者是一个球员，他每天得多少分等等。我做这个东西有三种方法，即：常规编程法，数据库查询法以及pandas包提供的group方法。第一种方法我自己写出的代码比较繁琐，这里不做介绍。

  示例数据如下，统计每天对应的level的均值及方差等。
Datelevel
2014/6/108.11
2014/6/108.02
2014/6/118.04
2014/6/118.04
2014/6/118.13
2014/6/118.12
2014/6/118.13
2014/6/128.02
2014/6/128.03
2014/6/128.04
2014/6/128.05
2014/6/137.97
2014/6/137.96
2014/6/137.97
2014/6/137.96
2014/6/137.98
2014/6/137.95
2014/6/137.94
2014/6/137.95
2014/6/137.97
2014/6/137.96
2014/6/137.93
方法1：
  利用SQL查询语句，将上面的数据存储到数据库中（可以用access存储）的表中（level），然后利用下面的sql语句即可输出:
  SELECT DATE as 'Date',AVG(LEVEL) as 'Mean Level' FROM LEVEL GROUP BY DATE
  这样即可输入结果。
方法2：Python的pandas包提供一种group格式，即dict(字典格式)，然后利用describe方法输出统计结果。
  pandas是pypi提供的众多包之一，其中提供了大量的统计方法。一般推荐安装这个包，可以在命令行管理器中使用:pip install pandas安装。
  代码：
# -*- coding: utf-8 -*-
"""
Created on Mon Aug 10 21:20:29 2015
 
@author: zhigang
"""
 
'''
Stats data by date
'''
import pandas as pd
 
data = pd.read_excel('waterLevel.xls',sheetname = 'zx')#zx是sheet名字
print(data.head(5))
#print(data.T)
grouped = data.groupby("Date")
print(grouped.describe())
 
然后输出结果：
                      level
Date                       
2014-06-10 count   2.000000
           mean    8.065000
           std     0.063640
           min     8.020000
           25%     8.042500
           50%     8.065000
           75%     8.087500
           max     8.110000
2014-06-11 count   5.000000
           mean    8.092000
           std     0.047645
           min     8.040000
           25%     8.040000
           50%     8.120000
           75%     8.130000
           max     8.130000
2014-06-12 count   4.000000
           mean    8.035000
           std     0.012910
           min     8.020000
           25%     8.027500
           50%     8.035000
           75%     8.042500
           max     8.050000
2014-06-13 count  11.000000
           mean    7.958182
           std     0.014709
           min     7.930000
           25%     7.950000
           50%     7.960000
           75%     7.970000
           max     7.980000
  上述的结果可以直接写入到exlce中，可将上述代码进行改动如下即可：
  description = grouped.describe()
  description.to_excel('stats_total.xls',sheet_name = 'stats')
效果：
  如果只需要提取mean，那么修改以下代码，将结果输出到excel中：
  escription = grouped.describe()
  index = [i for i in range(1,len(description),8)]
  #print(description.iloc[index].name,descrption.iloc[index].level)
  description.iloc[index].to_excel('stats.xls',sheet_name = 'stats')
代码文件见:https://github.com/zgcao/stats.git中的d2_pandas_stats_waterlevel.py