上一篇，我们学习了怎么用nmpy和pandas的一些函数，在接着讲下面的内容之前，希望同学们能够去复习一下，我们温故而知新。好了，话不多说，我们继续。

一.内容补充

        在学习pandas库的时候，我们学了两种常见的数据类型，一种是Series，另一种是DataFrame。在DataFrame中，我们提到，它比Series多了一些内容，就是关于轴的概念。我们先一起回忆一下。

        它有两个轴，一个是水平轴，axis=1，一个是垂直轴，axis=0。这个很容易记混，我教大家一个小技巧，我们平时说话，喜欢说“10，10”，那么说到轴，最先想起来的就是“x-y”轴，这样对应起来记忆，X轴对应1，Y轴对应0。当然同学们有更好的方法就更好了，总之不要记混。

        在python的基础课程中，同学们应该接触过mean()函数和sum()函数，如果没接触过也不要担心，这里我先给大家简单介绍一下，后面会专门出一篇有关python基础的课程。

        sum()函数是求和函数，求几个数之间的加和。mean()函数是求平均数的函数。

        现在，我们将这两个函数和上面讲到的轴结合一下。就拿上面图中的数字为例，如果想要求名字为df的数据表的每一列的平均值，语句df.mean(axis=0)，就能得到结果rank=2.5、GDP=68379.5。是不是很方便，一个简单的语句，就能求出每一列的平均值，这就是统计函数，其实pandas中还有很多统计函数，今天我们学习六种。

二.统计函数

2.1 统计函数使用方法

        前面举例子的时候，我们用df.mean(axis=0)求了数据表每一列的平均值，但是，同学们有没有想过，有时我需要多列、不同列求平均值，并不用求每一列的平均值。这就涉及到了单列统计、多列统计。

        单列统计，现在我们想要知道payment、price、cutdown_price这三列的平均值，就分别写各自语句df["payment"].mean()以此类推。

        多列统计也很简单，假如我们要求某100列的平均值，我们总不能一列一条语句写下去，这时就用到我们多列统计，语句df[["columns_1","columns_2",...]]。用上面的例子来具体说，就是现在要求payment、price、cutdown_price这三列的平均值，语句df[["payment","price","cutdown_price"]].mean()。

        这里还有一个点需要注意，就是我们通过单列统计返回的是一个值，但是通过多列统计时返回的不是多个值，而是一个Series，如上图。

2.2 mean()函数

        前面已经给大家举了不少例子了，相信大家已经知道怎么使用mean()函数了，这里就不再做过多的讲解了。

2.3 round()函数

        我们在算出某一列的平均值后，会发现，结果有很长的小数位，这样很不美观，也不利于我们后续的其他处理，因此我们希望能够取整，这时就用到了round()取整函数。

        round()函数经常和mean()函数一起出现，它的用法也很灵活，一般来说，是三种情况。

        round()的括号里面可以有四种状态。当round()括号里面是正整数时，表示保留到该数的小数点后几位。当round()口号里面是负数时，表示保留到小数点前几位，比如-1就是保留到十位，-2就是保留到百位。当round()括号里是0、或者什么都没有时，表示保留到个位，也就是取整。

        它的语句也很简单，我们先用mean()函数求出某一列的平均值，然后将该值赋值给一个变量，接着用round()函数给这个变量做取整操作，语句pay=df["payment"].mean()   print(pay.round())。

        上面是如果遇到的是单列统计返回一个平均值的情况，那如果是多列统计呢，返回的平均值的Series我们又应该怎么进行round操作呢。

        其实很简单，和上面一样，只不过前面的mean函数变了一下，语句pay=df[["payment","price","cutdown_price"]].mean()    print(pay.round())。

2.4 max()函数

        因为前面我们已经相当于很详细的介绍了两个函数，后面的统计函数的用法和格式都差不多，因此不再详细讲解，只给大家大体说一下，相信同学们会理解应用的很好的。

        max()函数是取最大值。现在我们有名为df的数据表，想要求得列名为pay的最大值，语句df["pay"].max()即可。

2.5 min()函数

        min()函数是取最小值。同上面的例子，求最小值，语句df["pay"].min()即可。

2.6 sum()函数

        sum()函数是求和。也是同样的道理，求这列的和，语句df["pay"].sum()即可。

2.6 count()函数

        count()函数求个数。现在我有名为df的数据表，想要求列名为pay的这一列有多少个值，语句df["pay"].count()即可。

2.7 median()函数

        median()函数求中位数。同上面，求这列中位数，语句df["pay"].median()即可。

        这篇的内容就到这里，我们下篇再见。