pandas对象有一些常用的数学和统计的方法，大部分都属于约简或汇总统计。
SUM方法
DataFrame对象的sum方法，返回一个含有列小计的Series
>>> df = DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index = ['a','b','c','d'],columns = ['one','two']) >>> >>> >>> df one two a 1.40 NaN b 7.10 -4.5 c NaN NaN d 0.75 -1.3 >>> df.sum() one 9.25 two -5.80 dtype: float64 >>> df.sum(axis=1) a 1.40 b 2.60 c 0.00 d -0.55 dtype: float64
NA值会自动被踢除（新版本会自动转换为0）。可以通过skipna选项禁用此功能。
>>> df.sum(axis=1,skipna = False) a NaN b 2.60 c NaN d -0.55 dtype: float64 >>> df.sum(skipna =False) one NaN two NaN dtype: float64
常用的统计方法：
| ######################## | ****************************************** |
| count | 非 NA 值的数量 |
| describe | 针对 Series 或 DF 的列计算汇总统计 |
| min , max | 最小值和最大值 |
| argmin , argmax | 最小值和最大值的索引位置（整数） |
| idxmin , idxmax | 最小值和最大值的索引值 |
| quantile | 样本分位数（0 到 1） |
| sum | 求和 |
| mean | 均值 |
| median | 中位数 |
| mad | 根据均值计算平均绝对离差 |
| var | 方差 |
| std | 标准差 |
| skew | 样本值的偏度（三阶矩） |
| kurt | 样本值的峰度（四阶矩） |
| cumsum | 样本值的累计和 |
| cummin , cummax | 样本值的累计最大值和累计最小值 |
| cumprod | 样本值的累计积 |
| diff | 计算一阶差分（对时间序列很有用） |
| pct_change | 计算百分数变化 |
统计方法的常用选项
axis=None，skipna = True，level=None
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/9219.html