这篇文章将为大家详细讲解有关pandas如何实现分区间,算频率，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
如下所示：
计算
安全
数据库
网络和加速
企业服务
import pandas as pd
path='F:/python/python数据分析与挖掘实战/图书配套数据、代码/chapter3/demo/data/catering_fish_congee.xls'
data=pd.read_excel(path,header=None,index_col=0)
data.index.name='日期'
data.columns=['销售额(元)']
xse=data['销售额(元)']
print(xse.max())
print(xse.min())
print(xse.max()-xse.min())
fanwei=list(range(0,4500,500))
fenzu=pd.cut(xse.values,fanwei,right=False)#分组区间,长度91
print(fenzu.codes)#标签
print(fenzu.categories)#分组区间，长度8
pinshu=fenzu.value_counts()#series,区间-个数
print(pinshu.index)
import matplotlib.pyplot as plt
pinshu.plot(kind='bar')
#plt.text(0,29,str(29))
qujian=pd.cut(xse,fanwei,right=False)
data['区间']=qujian.values
data.groupby('区间').median()
data.groupby('区间').mean()#每个区间平均数
pinshu_df=pd.DataFrame(pinshu,columns=['频数'])
pinshu_df['频率f']=pinshu_df / pinshu_df['频数'].sum()
pinshu_df['频率%']=pinshu_df['频率f'].map(lambda x:'%.2f%%'%(x*100))
pinshu_df['累计频率f']=pinshu_df['频率f'].cumsum()
pinshu_df['累计频率%']=pinshu_df['累计频率f'].map(lambda x:'%.4f%%'%(x*100))
In[158]: pinshu_df
Out[158]:
频数 频率f 频率% 累计频率f 累计频率%
[0, 500) 29 0.318681 31.87% 0.318681 31.8681%
[500, 1000) 20 0.219780 21.98% 0.538462 53.8462%
[1000, 1500) 12 0.131868 13.19% 0.670330 67.0330%
[1500, 2000) 12 0.131868 13.19% 0.802198 80.2198%
[2000, 2500) 8 0.087912 8.79% 0.890110 89.0110%
[2500, 3000) 3 0.032967 3.30% 0.923077 92.3077%
[3000, 3500) 4 0.043956 4.40% 0.967033 96.7033%
[3500, 4000) 3 0.032967 3.30% 1.000000 100.0000%
关于“pandas如何实现分区间,算频率”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
