多个数据帧熊猫中的多列最大值

Question

我正在使用df.corr（）为我正在处理的多个dfs创建相关数据框。如何找到每个独立数据框中所有相对值的max/min/mean/std.dev并创建一个数据框？

Answer 1

使用pd.concat，describe与列表理解：

输入：

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) 

输出：

  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，这提供了最小值，最大值，标准...等为一组类似定位的细胞。因此，对于('X', 'X')栏你会得到所有dataframes的df.loc['X', 'X']细胞中的统计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