根據熊貓數據框中的前百分位數據獲取最頻繁的值和標准差

Question

這一半的統計題其實，

我有一個由 9 列組成的數據框。 根據多次測量，每一個都表示一個蘋果的不同直徑。 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

我正在嘗試繪制某種分布圖，同時獲取帶有 STD 的蘋果的平均直徑。 自己實在想不出好辦法。 有任何想法嗎？

編輯：

barplot 生成了一個不錯的圖表，但我希望能夠獲得最頻繁的值和標准偏差。

b=sns.barplot(data=df)

我嘗試使用模式，但它不起作用。

df.mode()

Answer 1

這是我用於模式計算的例程，也許它對您也有用。 請注意，它在一個范圍內尋找模式（均值偏移、均值+偏移），因此不適用於非常偏斜的分布（由shift定義的容差）。

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