如何在 python 中执行单变量分析：带有示例

术语单变量分析是指对一个变量的分析。你可以记住这一点，因为前缀“uni”的意思是“一个”。

对变量进行单变量分析有以下三种常见方法：

1. 汇总统计——测量值的中心和分布。

2. 频率表——描述不同值出现的频率。

3. 图表– 用于可视化值的分布。

本教程提供了如何使用以下 pandas DataFrame 执行单变量分析的示例：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [1, 1, 2, 3.5, 4, 4, 4, 5, 5, 6.5, 7, 7.4, 8, 13, 14.2],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4, 6, 8, 8, 9, 3, 2, 6],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12, 6, 6, 7, 8, 7, 9, 15]})

#view first five rows of DataFrame
df. head ()

	points assists rebounds
0 1.0 5 11
1 1.0 7 8
2 2.0 7 10
3 3.5 9 6
4 4.0 12 6

1. 计算汇总统计量

我们可以使用以下语法来计算 DataFrame 中“points”变量的各种汇总统计数据：

 #calculate mean of 'points'
df[' points ']. mean ()

5.706666666666667

#calculate median of 'points' 
df[' points ']. median () 

5.0

#calculate standard deviation of 'points'
df[' points ']. std () 

3.858287308169384

2. 创建频数表

我们可以使用以下语法为变量“points”创建频率表：

 #create frequency table for 'points'
df[' points ']. value_counts ()

4.0 3
1.0 2
5.0 2
2.0 1
3.5 1
6.5 1
7.0 1
7.4 1
8.0 1
13.0 1
14.2 1
Name: points, dtype: int64

这告诉我们：

• 值4出现 3 次
• 值1出现两次
• 值5出现两次
• 值2出现 1 次

等等。

相关：如何在 Python 中创建频率表

3. 创建图表

我们可以使用以下语法为“points”变量创建箱线图：

 import matplotlib. pyplot as plt

df. boxplot (column=[' points '], grid= False , color=' black ')

相关：如何从 Pandas DataFrame 创建箱线图

我们可以使用以下语法为“points”变量创建直方图：

 import matplotlib. pyplot as plt

df. hist (column=' points ', grid= False , edgecolor=' black ')

相关：如何从 Pandas DataFrame 创建直方图

我们可以使用以下语法为“points”变量创建密度曲线：

 import seaborn as sns

sns. kdeplot (df[' points '])

相关：如何在 Matplotlib 中创建密度图

这些图表中的每一个都为我们提供了一种独特的方式来可视化“点”变量值的分布。