Python Pandas dataframe.mad()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.mad()函數返回所請求軸的值的平均絕對偏差。數據集的平均絕對偏差是每個數據點與平均值之間的平均距離。它使我們對數據集中的可變性有了一個了解。

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

參數:
axis:{索引(0)，列(1)}
skipna:計算結果時排除NA /空值
level:如果軸是MultiIndex(分層)，則沿特定級別計數，並折疊為Series
numeric_only:僅包括float，int，boolean列。如果為None，將嘗試使用所有內容，然後僅使用數字數據。未針對係列實施。

返回:mad：Series或DataFrame(如果指定級別)

範例1：采用mad()函數可找到索引軸上值的平均絕對偏差。

# 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

讓我們使用dataframe.mad()函數以求出平均絕對偏差。

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

輸出：

範例2：采用mad()函數查找列軸上具有某些值的值的平均絕對偏差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)

輸出：

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.mad()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。