根据熊猫数据框中的前百分位数据获取最频繁的值和标准差

Question

这一半的统计题其实，

我有一个由 9 列组成的数据框。 根据多次测量，每一个都表示一个苹果的不同直径。 行是百分比：

     55      60      65       70       75       80      85      90      95
0    0.0,   0.0     10.73   39.13      8.35    8.63     33.16   0.0     0.0
1    3.42   0.0     1.28    26.09      31.3   26.73     8.07    3.11    0.0

我正在尝试绘制某种分布图，同时获取带有 STD 的苹果的平均直径。 自己实在想不出好办法。 有任何想法吗？

编辑：

barplot 生成了一个不错的图表，但我希望能够获得最频繁的值和标准偏差。

b=sns.barplot(data=df)

我尝试使用模式，但它不起作用。

df.mode()

Answer 1

这是我用于模式计算的例程，也许它对您也有用。 请注意，它在一个范围内寻找模式（均值偏移、均值+偏移），因此不适用于非常偏斜的分布（由shift定义的容差）。

from scipy.stats.kde import gaussian_kde
def get_mode(s0: pd.Series):
    """Get mode from non-parametric Gaussian fit."""
    # Non-parametric pdf.
    s = s0.copy()
    mean = s.mean()
    shift = 20
    lower, upper = mean - shift, mean + shift
    x = np.linspace(lower, upper, 250)
    # Cut-off the upper and lower margins.
    s = s.dropna()[(s < upper) & (s > lower)]
    try:
        nparam_density = gaussian_kde(s.ravel())
    except ValueError:
        # Not enough data: return mean.
        return mean
    nparam_density_vec = nparam_density(x)

    max_hist = x[nparam_density_vec.argmax()]
    return max_hist