{"id":3385,"date":"2021-07-23T12:08:29","date_gmt":"2021-07-23T12:08:29","guid":{"rendered":"https:\/\/www.bearloga.space\/?page_id=3385"},"modified":"2021-07-23T12:08:30","modified_gmt":"2021-07-23T12:08:30","slug":"python-pandas-statisticheskie-funkczii","status":"publish","type":"page","link":"https:\/\/www.bearloga.space\/uk\/python-pandas-statisticheskie-funkczii\/","title":{"rendered":"Python Pandas \u2014 \u0421\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0424\u0443\u043d\u043a\u0446\u0438\u0438"},"content":{"rendered":"\n<pre class=\"wp-block-code\"><code>\r\u0421\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u043f\u043e\u043c\u043e\u0433\u0430\u044e\u0442 \u0432 \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u0438 \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445. \u0422\u0435\u043f\u0435\u0440\u044c \u043c\u044b \u0438\u0437\u0443\u0447\u0438\u043c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0444\u0443\u043d\u043a\u0446\u0438\u0439, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043c\u044b \u043c\u043e\u0436\u0435\u043c \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u043a \u043e\u0431\u044a\u0435\u043a\u0442\u0430\u043c Pandas.\r\n\r\nPercent_change\r\nSeries, DatFrames \u0438 Panel, \u0432\u0441\u0435 \u0438\u043c\u0435\u044e\u0442 \u0444\u0443\u043d\u043a\u0446\u0438\u044e pct_change () . \u042d\u0442\u0430 \u0444\u0443\u043d\u043a\u0446\u0438\u044f \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u0442 \u043a\u0430\u0436\u0434\u044b\u0439 \u044d\u043b\u0435\u043c\u0435\u043d\u0442 \u0441 \u0435\u0433\u043e \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u043c \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u043c \u0438 \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 \u043f\u0440\u043e\u0446\u0435\u043d\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439.\r\n\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ns = pd.Series(&#91;1,2,3,4,5,4])\r\nprint s.pct_change()\r\n\r\ndf = pd.DataFrame(np.random.randn(5, 2))\r\nprint df.pct_change()\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n0        NaN\r\n1   1.000000\r\n2   0.500000\r\n3   0.333333\r\n4   0.250000\r\n5  -0.200000\r\ndtype: float64\r\n\r\n            0          1\r\n0         NaN        NaN\r\n1  -15.151902   0.174730\r\n2  -0.746374   -1.449088\r\n3  -3.582229   -3.165836\r\n4   15.601150  -1.860434\r\n\u041f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e pct_change () \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441\u043e \u0441\u0442\u043e\u043b\u0431\u0446\u0430\u043c\u0438; \u0435\u0441\u043b\u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c \u0442\u0443 \u0436\u0435 \u0441\u0442\u0440\u043e\u043a\u0443, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439\u0442\u0435 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442 axis = 1 () .\r\n\r\n\u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0438\r\n\u041a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u044f \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043a \u0434\u0430\u043d\u043d\u044b\u043c \u0440\u044f\u0434\u0430. \u041e\u0431\u044a\u0435\u043a\u0442 Series \u0438\u043c\u0435\u0435\u0442 \u043c\u0435\u0442\u043e\u0434 cov \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0438 \u043c\u0435\u0436\u0434\u0443 \u043e\u0431\u044a\u0435\u043a\u0442\u0430\u043c\u0438 \u0441\u0435\u0440\u0438\u0438. NA \u0431\u0443\u0434\u0435\u0442 \u0438\u0441\u043a\u043b\u044e\u0447\u0435\u043d \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438.\r\n\r\nCov Series\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\ns1 = pd.Series(np.random.randn(10))\r\ns2 = pd.Series(np.random.randn(10))\r\nprint s1.cov(s2)\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n-0.12978405324\r\n\u041c\u0435\u0442\u043e\u0434 \u043a\u043e\u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0438 \u043f\u0440\u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0438 \u043a DataFrame \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 cov \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432.\r\n\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\nframe = pd.DataFrame(np.random.randn(10, 5), columns=&#91;'a', 'b', 'c', 'd', 'e'])\r\nprint frame&#91;'a'].cov(frame&#91;'b'])\r\nprint frame.cov()\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\r\nJava-\u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\r\n-0.58312921152741437\r\n\r\n           a           b           c           d            e\r\na   1.780628   -0.583129   -0.185575    0.003679    -0.136558\r\nb  -0.583129    1.297011    0.136530   -0.523719     0.251064\r\nc  -0.185575    0.136530    0.915227   -0.053881    -0.058926\r\nd   0.003679   -0.523719   -0.053881    1.521426    -0.487694\r\ne  -0.136558    0.251064   -0.058926   -0.487694     0.960761\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435. \u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 cov \u043c\u0435\u0436\u0434\u0443 \u0441\u0442\u043e\u043b\u0431\u0446\u0430\u043c\u0438 a \u0438 b \u0432 \u043f\u0435\u0440\u0432\u043e\u043c \u043e\u043f\u0435\u0440\u0430\u0442\u043e\u0440\u0435, \u0438 \u044d\u0442\u043e \u0436\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435, \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u043c\u043e\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c cov \u0432 DataFrame.\r\n\r\n\u043a\u043e\u0440\u0440\u0435\u043b\u044f\u0446\u0438\u044f\r\n\u041a\u043e\u0440\u0440\u0435\u043b\u044f\u0446\u0438\u044f \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043b\u0438\u043d\u0435\u0439\u043d\u044b\u0435 \u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u044f \u043c\u0435\u0436\u0434\u0443 \u043b\u044e\u0431\u044b\u043c\u0438 \u0434\u0432\u0443\u043c\u044f \u043c\u0430\u0441\u0441\u0438\u0432\u0430\u043c\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 (\u0440\u044f\u0434\u0430\u043c\u0438). \u0415\u0441\u0442\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u0434\u043b\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f \u043a\u043e\u0440\u0440\u0435\u043b\u044f\u0446\u0438\u0438, \u0442\u0430\u043a\u0438\u0445 \u043a\u0430\u043a Pearson (\u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e), Spearman \u0438 Kendall.\r\n\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\nframe = pd.DataFrame(np.random.randn(10, 5), columns=&#91;'a', 'b', 'c', 'd', 'e'])\r\n\r\nprint frame&#91;'a'].corr(frame&#91;'b'])\r\nprint frame.corr()\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n-0.383712785514\r\n\r\n           a          b          c          d           e\r\na   1.000000  -0.383713  -0.145368   0.002235   -0.104405\r\nb  -0.383713   1.000000   0.125311  -0.372821    0.224908\r\nc  -0.145368   0.125311   1.000000  -0.045661   -0.062840\r\nd   0.002235  -0.372821  -0.045661   1.000000   -0.403380\r\ne  -0.104405   0.224908  -0.062840  -0.403380    1.000000\r\n\u0415\u0441\u043b\u0438 \u0432 DataFrame \u043f\u0440\u0438\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u0435\u0442 \u043a\u0430\u043a\u043e\u0439-\u043b\u0438\u0431\u043e \u043d\u0435\u0447\u0438\u0441\u043b\u043e\u0432\u043e\u0439 \u0441\u0442\u043e\u043b\u0431\u0435\u0446, \u043e\u043d \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0438\u0441\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f.\r\n\r\n\u0420\u0435\u0439\u0442\u0438\u043d\u0433 \u0434\u0430\u043d\u043d\u044b\u0445\r\n\u0420\u0430\u043d\u0436\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442 \u0440\u0430\u043d\u0436\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u0430 \u0432 \u043c\u0430\u0441\u0441\u0438\u0432\u0435 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432. \u0412 \u0441\u043b\u0443\u0447\u0430\u0435 \u0441\u0432\u044f\u0437\u0435\u0439 \u043f\u0440\u0438\u0441\u0432\u0430\u0438\u0432\u0430\u0435\u0442 \u0441\u0440\u0435\u0434\u043d\u0438\u0439 \u0440\u0430\u043d\u0433.\r\n\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ns = pd.Series(np.random.np.random.randn(5), index=list('abcde'))\r\ns&#91;'d'] = s&#91;'b'] # so there's a tie\r\nprint s.rank()\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\na  1.0\r\nb  3.5\r\nc  2.0\r\nd  3.5\r\ne  5.0\r\ndtype: float64\r\n\u0420\u0430\u043d\u0433 \u043d\u0435\u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u043f\u043e \u0432\u043e\u0437\u0440\u0430\u0441\u0442\u0430\u043d\u0438\u044e, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e \u0438\u043c\u0435\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 true; \u043a\u043e\u0433\u0434\u0430 \u043b\u043e\u0436\u044c, \u0434\u0430\u043d\u043d\u044b\u0435 \u0440\u0430\u043d\u0436\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u0432 \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u043c \u043f\u043e\u0440\u044f\u0434\u043a\u0435, \u0441 \u0431\u043e\u043b\u044c\u0448\u0438\u043c\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c\u0438 \u043f\u0440\u0438\u0441\u0432\u0430\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043c\u0435\u043d\u044c\u0448\u0438\u0439 \u0440\u0430\u043d\u0433.\r\n\r\n\u0420\u0430\u043d\u0433 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u043c\u0435\u0442\u043e\u0434\u044b \u0440\u0430\u0437\u0440\u044b\u0432\u0430 \u0441\u0432\u044f\u0437\u0435\u0439, \u0443\u043a\u0430\u0437\u0430\u043d\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u043c \u043c\u0435\u0442\u043e\u0434\u0430 \u2014\r\n\r\n\u0441\u0440\u0435\u0434\u043d\u0438\u0439 \u2014 \u0441\u0440\u0435\u0434\u043d\u0438\u0439 \u0440\u0430\u043d\u0433 \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u043e\u0439 \u0433\u0440\u0443\u043f\u043f\u044b\r\n\r\nmin \u2014 \u0441\u0430\u043c\u044b\u0439 \u043d\u0438\u0437\u043a\u0438\u0439 \u0440\u0430\u043d\u0433 \u0432 \u0433\u0440\u0443\u043f\u043f\u0435\r\n\r\nmax \u2014 \u0432\u044b\u0441\u0448\u0438\u0439 \u0440\u0430\u043d\u0433 \u0432 \u0433\u0440\u0443\u043f\u043f\u0435\r\n\r\nfirst \u2014 \u0440\u0430\u043d\u0433\u0438 \u043f\u0440\u0438\u0441\u0432\u0430\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0432 \u043f\u043e\u0440\u044f\u0434\u043a\u0435 \u0438\u0445 \u043f\u043e\u044f\u0432\u043b\u0435\u043d\u0438\u044f \u0432 \u043c\u0430\u0441\u0441\u0438\u0432\u0435<\/code><\/pre>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"categories":[109],"tags":[],"class_list":["post-3385","page","type-page","status-publish","hentry","category-python-pandas"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3385","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/comments?post=3385"}],"version-history":[{"count":0,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3385\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/media?parent=3385"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/categories?post=3385"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/tags?post=3385"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}