Python Pandas dataframe.mad()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.mad()函数返回所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。它使我们对数据集中的可变性有了一个了解。

用法： DataFrame.mad(axis=None, skipna=None, level=None)

参数:
axis:{索引(0)，列(1)}
skipna:计算结果时排除NA /空值
level:如果轴是MultiIndex(分层)，则沿特定级别计数，并折叠为Series
numeric_only:仅包括float，int，boolean列。如果为None，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。

返回:mad：Series或DataFrame(如果指定级别)

范例1：采用mad()函数可找到索引轴上值的平均绝对偏差。

# 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

让我们使用dataframe.mad()函数以求出平均绝对偏差。

# find the mean absolute deviation  
# over the index axis 
df.mad(axis = 0)

输出：

范例2：采用mad()函数查找列轴上具有某些值的值的平均绝对偏差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：

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.mad()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。