多個數據幀熊貓中的多列最大值

Question

我正在使用df.corr（）爲我正在處理的多個dfs創建相關數據框。如何找到每個獨立數據框中所有相對值的max/min/mean/std.dev並創建一個數據框？

Answer 1

使用pd.concat，describe與列表理解：

輸入：

df1 = pd.DataFrame(np.random.rand(3,5),columns=list('ABCDE')) 
df2 = pd.DataFrame(np.random.rand(3,5),columns=list('ABCDE')) 
df3 = pd.DataFrame(np.random.rand(3,5),columns=list('ABCDE')) 

pd.concat([i.describe() for i in [df1,df2,df3]], keys=['df1','df2','df3'], axis=1) 

輸出：

  df1            df2   \ 
       A   B   C   D   E   A   B 
count 3.000000 3.000000 3.000000 3.000000 3.000000 3.000000 3.000000 
mean 0.333877 0.428859 0.871313 0.627086 0.674608 0.427097 0.550675 
std 0.306857 0.378634 0.086694 0.286641 0.221984 0.382306 0.167861 
min 0.035033 0.143601 0.795605 0.432969 0.441879 0.040908 0.402787 
25% 0.176734 0.214075 0.824027 0.462473 0.569911 0.237947 0.459449 
50% 0.318435 0.284549 0.852450 0.491976 0.697942 0.434986 0.516111 
75% 0.483299 0.571488 0.909168 0.724144 0.790973 0.620191 0.624619 
max 0.648163 0.858428 0.965886 0.956312 0.884003 0.805397 0.733128 

              df3        \ 
       C   D   E   A   B   C   D 
count 3.000000 3.000000 3.000000 3.000000 3.000000 3.000000 3.000000 
mean 0.506573 0.495343 0.542382 0.609385 0.577433 0.426975 0.201287 
std 0.346116 0.238650 0.150438 0.133651 0.369295 0.426809 0.233817 
min 0.121840 0.242962 0.446248 0.457182 0.222946 0.027543 0.031918 
25% 0.363533 0.384337 0.455698 0.560287 0.386180 0.202110 0.067901 
50% 0.605227 0.525712 0.465148 0.663393 0.549413 0.376677 0.103884 
75% 0.698939 0.621533 0.590449 0.685487 0.754676 0.626691 0.285972 
max 0.792651 0.717354 0.715750 0.707581 0.959939 0.876705 0.468060 


       E 
count 3.000000 
mean 0.664598 
std 0.037764 
min 0.625907 
25% 0.646217 
50% 0.666527 
75% 0.683943 
max 0.701360 

Answer 2

IIUC，這提供了最小值，最大值，標準...等爲一組類似定位的細胞。因此，對於('X', 'X')欄你會得到所有dataframes的df.loc['X', 'X']細胞中的統計lodf

np.random.seed([3,1415]) 

lodf = [ 
    pd.DataFrame(
     np.random.randint(10, size=(3, 3)), 
     list('XYZ'), list('XYZ') 
    ) for _ in range(100) 
] 

pd.concat(
    dict(enumerate([d.stack() for d in lodf])) 
).unstack(level=[1, 2]).describe() 

      X     Y     Z    
      X  Y  Z  X  Y  Z  X  Y  Z 
count 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 
mean 4.56 4.81 4.93 4.28 4.31 4.49 4.54 4.53 4.60 
std  2.99 2.81 2.82 3.06 2.97 3.02 3.05 2.80 2.87 
min  0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 
25%  2.00 2.75 2.00 1.00 2.00 2.00 1.75 2.00 3.00 
50%  4.00 5.00 5.50 5.00 4.00 4.00 5.00 4.00 4.00 
75%  7.00 7.00 7.00 7.00 7.00 7.00 7.00 7.00 7.25 
max  9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00 9.00