Python|熊猫 dataframe.mad()
Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas dataframe.mad()函数返回请求轴的值的平均绝对偏差。数据集的平均绝对偏差是每个数据点与平均值之间的平均距离。它让我们了解了数据集中的可变性。
Syntax: DataFrame.mad(axis=None, skipna=None, level=None)
Parameters :
axis : {index (0), columns (1)}
skipna : Exclude NA/null values when computing the result
level : If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a Series
numeric_only : Include only float, int, boolean columns. If None, will attempt to use everything, then use only numeric data. Not implemented for Series.
Returns : mad : Series or DataFrame (if level specified)
示例 #1：使用mad()函数查找索引轴上的值的平均绝对偏差。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
"B":[5, 2, 54, 3, 2],
"C":[20, 16, 7, 3, 8],
"D":[14, 3, 17, 2, 6]})
# Print the dataframe
df
_0.png)
让我们使用dataframe.mad()函数来找到平均绝对偏差。
# find the mean absolute deviation
# over the index axis
df.mad(axis = 0)
输出 ： _1.png)
示例 #2：使用mad()函数查找列轴上的值的平均绝对偏差，其中包含一些Na值。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
"B":[7, 2, 54, 3, None],
"C":[20, 16, 11, 3, 8],
"D":[14, 3, None, 2, 6]})
# To find the mean absolute deviation
# skip the Na values when finding the mad value
df.mad(axis = 1, skipna = True)
输出 ： _2.png)