我对python和pandas(使用SAS作为我的主力分析平台)相当新,所以如果已经被问到/已经回答过,我会事先道歉.(我搜索了文档以及这个网站搜索答案,但还没找到.)
我有一个包含受访者级别调查数据的数据框(称为resp).我想对其中一个字段(称为anninc [年收入的简称])执行一些基本的描述性统计.
resp["anninc"].describe()
这给了我基本的统计数据:
count 76310.000000
mean 43455.874862
std 33154.848314
min 0.000000
25% 20140.000000
50% 34980.000000
75% 56710.000000
max 152884.330000
dtype: float64
但是有一个问题.鉴于样本是如何构建的,需要对响应数据进行权重调整,以便在执行分析时不会将每个数据视为"相等".我在数据框中有另一列(称为tufnwgrp),表示在分析期间应应用于每条记录的权重.
在我之前的SAS生活中,大多数proc都有选项来处理具有这样权重的数据.例如,标准proc单变量给出相同的结果看起来像这样:
proc univariate data=resp;
var anninc;
output out=resp_univars mean=mean median=50pct q1=25pct q3=75pct min=min max=max n=count;
run;
使用加权数据的相同分析看起来像这样:
proc univariate data=resp;
var anninc;
weight tufnwgrp;
output out=resp_univars mean=mean median=50pct q1=25pct q3=75pct min=min max=max n=count
run;
对于像describe()等方法,pandas中是否有类似的加权选项？
我有以下数据：aName名称出现的次数 ( Count)，以及Score每个名称的 a 。我想创建 的箱须图，并按Score每个名称的 进行加权。ScoreCount
结果应该与我拥有原始（非频率）形式的数据相同。但我实际上不想将数据转换为这种形式，因为它的大小会很快膨胀。
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
data = {
"Name":['Sara', 'John', 'Mark', 'Peter', 'Kate'],
"Count":[20, 10, 5, 2, 5],
"Score": [2, 4, 7, 8, 7]
}
df = pd.DataFrame(data)
print(df)
Count Name Score
0 20 Sara 2
1 10 John 4
2 5 Mark 7
3 2 Peter 8
4 5 Kate 7
我不知道如何在 Python 中解决这个问题。任何帮助表示赞赏！
我有一个元组列表[(val1,freq1),(val2,freq2)....(valn,freqn)].我需要测量上述数据的中心趋势(平均值,中位数)和偏差度量(方差,均值).我还想绘制值的箱线图.
我看到numpy数组有直接的方法来从值列表中获得均值/中值和标准差(或方差).
numpy(或任何其他知名图书馆)是否有直接的手段在这样的频率分配表上运行？
另外,将上面的元组列表以编程方式扩展到一个列表的最佳方法是什么？(例如,如果freq dist是[(1,3),(50,2)],最好的方法是获得列表[1,1,1,50,50]来使用np.mean([1,1,1, 50,50]))
我在这里看到了一个自定义函数,但是如果可能的话我想使用标准实现