Pandas 数据帧mad()方法

原文：https://www.studytonight.com/pandas/pandas-dataframe-mad-method

任何数据集中的变化都可以由平均绝对偏差(MAD) 确定，它可以定义为每个数据值和平均值之间的平均距离。在本教程中，我们将学习 Python Pandas DataFrame.mad() 方法。当DataFrame.mad()方法应用于数据帧时，它返回所请求的axis值的平均绝对偏差。

下图显示了DataFrame.mad()方法的语法。

句法

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

因素

轴:“0”代表索引，“1”代表列。当axis=0方法应用于index轴时，以及当axis=1方法应用于column轴时。

skipna: 代表布尔(真或假)。默认值为“无”。如果该参数为True，则在计算结果时，排除所有 NA/null 值。

级别:代表 int 或级别名称，默认值为 None。如果数据帧是多索引的，则它与特定级别一起计算，折叠成一个系列。

示例:DataFrame.mad()方法

让我们创建一个数据帧，并通过在DataFrame.mad()方法中指定参数axis=0 获得index轴上的值的平均绝对偏差。见下面的例子。

#importing pandas as pd
import pandas as pd
#creating the DataFrame
df = pd.DataFrame({"A":[1,2,3],"B":[4,5,6],"C":[7,8,9],"D":[10,11,12]}) 
print("----------The DataFrame is------")
print(df)
print("---The mean absolute deviation of the DataFrame is---")
print(df.mad(axis=0))

-数据帧为- A B C D 0 1 4 7 10 1 2 5 8 11 2 3 6 9 12 -数据帧的平均绝对偏差为- A 0.666667 B 0.666667 C 0.66667 D 0.66667 dttype:float 64

示例:沿column轴的DataFrame.mad()方法

让我们创建一个数据帧，通过在DataFrame.mad()方法中指定参数axis=1 ，得到列轴上值的平均绝对偏差。见下面的例子。

#importing pandas as pd
import pandas as pd
#creating the DataFrame
df = pd.DataFrame({"A":[1,2,3],"B":[4,5,6],"C":[7,8,9],"D":[10,11,12]}) 
print("----------The DataFrame is------")
print(df)
print("---The mean absolute deviation of the DataFrame is---")
print(df.mad(axis=1))

-数据帧为- A B C D 0 1 4 7 10 1 2 5 8 11 2 3 6 9 12 -数据帧的平均绝对偏差为- 0 3.0 1 3.0 2 3.0 数据类型:float64

示例:排除空值的DataFrame.mad()方法

让我们创建一个具有空值的数据帧，并通过在DataFrame.mad()方法中传递参数skipna 来获得除空值之外的索引轴上的值的平均绝对偏差。在计算结果时，它会排除所有 NA/null 值。见下面的例子。

#importing pandas as pd
import pandas as pd
#creating the DataFrame
df = pd.DataFrame({"A":[1,None,3],"B":[None,5,6],"C":[7,8,9],"D":[10,11,None]}) 
print("----------The DataFrame is------")
print(df)
print("---The mean absolute deviation of the DataFrame is---")
print(df.mad(axis=0,skipna=True))

-数据帧为- A B C D 0 1.0 NaN 7 10.0 1 NaN 5.0 8 11.0 2 3.0 6.0 9 NaN -数据帧的平均绝对偏差为- A 1.000000 B 0.500000 C 0.666667 D 0.500000 dtype

结论

在本教程中，我们学习了 PandasDataFrame.mad()方法。我们学习了语法、参数，并将该方法应用于数据帧，以理解 DataFrame.mad()方法。