知识卡片
累计差分与变化率各有基准
cumsum/cumprod累计历史值,cummin/cummax记录至当前的极值;diff计算相邻差,pct_change计算相邻相对变化。偏度与峰度则概括分布形态,不能与累计轨迹混用。时间数据运算前还要确认排序、间隔和基准项;缺失或零基准也需按具体规则处理。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
累计型的: In [204]: df.cumsum() Out[204]: one two a 1.40 NaN b 8.50 -4.5 c NaN NaN d 9.25 -5.8 还有一种方法,它既不是约简型也不是累计型。describe就是一个例子,它用于一次性产生多个汇总统计: In [205]: df.describe() Out[205]: one
参考来源
- 位置:《利用Python进行数据分析》第5章《汇总和计算描述统计》(spine282;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0268.html;u118-ch05-030)。
- 结论依据:原文在“累计型”附近的定义、例子或代码支撑本卡核心说明:cumsum/cumprod累计历史值,cummin/cummax记录至当前的极值;diff计算相邻差,pct_change计算相邻相对变化。边界按已读前提解释;示例未执行。
- 原始内容:累计型的: In [204]: df.cumsum() Out[204]: one two a 1.40 NaN b 8.50 -4.5 c NaN NaN d 9.25 -5.8 还有一种方法,它既不是约简型也不是累计型。describe就是一个例子,它用于一次性产生多个汇总统计: In [205]: df.describe() Out[205]: one