Python Pandas DataFrame mad方法用法及代碼示例

Pandas DataFrame.mad(~)方法計算出平均絕對偏差(MAD) 對於 DataFrame 的每一行或每一列。

請注意，MAD 的計算方式如下：

其中，

1.axis | int 或 string | optional

是否按行或按列計算 MAD：

軸	說明
`"index"` 或 `0`	MAD 是針對每一列計算的。
`"columns"` 或 `1`	MAD 是針對每一行計算的。

默認情況下，axis=0 。

2. skipna | boolean | optional

是否跳過 NaN 。跳過的 NaN 不會計入總大小 ( $N$ )，總大小是計算 MAD 時的除數。默認情況下，skipna=True 。

3. level | string 或 int | optional

要考慮的級別的名稱或整數索引。僅當您的 DataFrame 是多索引時，這才相關。

如果指定了level參數，則將返回DataFrame。否則，將返回Series。

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[2,4,6],"B":[2,5,8]})
df



   A  B
0  2  2
1  4  5
2  6  8

計算每列的 MAD：

df.mad()



A    1.333333
B    2.000000
dtype: float64

計算每行的 MAD：

df.mad(axis=1)



0    0.0
1    0.5
2    1.0
dtype: float64

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[3,pd.np.nan,5]})
df



   A
0  3.0
1  NaN
2  5.0

默認情況下， skipna=True ，這意味著所有缺失值都將被忽略：

df.mad()   # skipna=True



A    1.0
dtype: float64

考慮缺失值：

df.mad(skipna=False)



A   NaN
dtype: float64

對於 skipna=False ，如果行/列包含一個或多個缺失值，則該行/列的 MAD 將為 NaN 。

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 Pandas DataFrame | mad method。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。