Python | Pandas Series.mad() 计算系列的平均绝对偏差

介绍

在统计学中，“平均绝对偏差”（Mean Absolute Deviation，简称 MAD）是一种测量数据集中值离其平均值的平均距离程度的方法。Pandas 中的 Series.mad() 方法可以计算给定 Series 对象的平均绝对偏差。

语法

Series.mad(axis=None, skipna=None, level=None)

参数说明：

• axis：0 或 'index' 表示行操作（default），1 或 'columns' 表示列操作。
• skipna：是否排除缺失值。默认值为 True。
• level：对于多级索引，则指定在哪个级别进行操作。

例子

以下是使用 Python 和 Pandas 计算给定数据的平均绝对偏差的例子：

import pandas as pd

# 创建 Series
data = pd.Series([2, 4, 6, 8, 10])

# 计算平均绝对偏差
mad = data.mad()

print("数据：", data.tolist())
print("平均绝对偏差：", mad)

输出：

数据： [2, 4, 6, 8, 10]
平均绝对偏差： 2.8

注意事项

1. 平均绝对偏差是平均距离，因此它不是有正负之分的，即 MAD 的值总是非负的。
2. Series.mad() 方法默认会排除缺失值，因此如果要包括缺失值，需要将 skipna 参数设置为 False。
3. 如果 Series 包含多级索引，则需要通过 level 参数指定对哪个索引级别进行计算。
4. Series.mad() 方法还可以接受一个 DataFrame 对象进行计算，此时返回的是每列的平均绝对偏差。