pandas describe() 描述性统计

describe() 方法是 pandas 中用于生成关于数据集统计信息的摘要统计的函数。它可以在 DataFrame 或 Series 对象上使用。以下是对该方法的详细讲解：

功能

1. 数据类型可以使用

• DataFrame
• Series

2. 语法

DataFrame.describe(percentiles=None, include=None, exclude=None)
Series.describe(percentiles=None, include=None, exclude=None)

参数说明：

• percentiles：指定要显示的百分位数。默认情况下显示 25th, 50th, 和 75th 百分位数。
• include：要描述的数据类型的列表。默认为 None，表示包括所有数据类型。
• exclude：要排除的数据类型的列表。默认为 None，表示不排除任何数据类型。

3. 返回数据

• DataFrame：返回一个包含统计摘要信息的 DataFrame，包括计数、均值、标准差、最小值、25th、50th、75th 百分位数和最大值。
• Series：返回一个包含统计摘要信息的 Series。

4. 使用场景

• 快速了解数据集的基本统计特征，如数据的中心趋势、离散程度和分布形状。
• 通过分析描述统计结果，可以帮助进行数据清洗、特征工程和初步探索性数据分析。

示例说明

示例数据

import pandas as pd
import numpy as np

# 创建一个示例的 DataFrame
np.random.seed(0)
data = {
    'A': np.random.randn(100),
    'B': np.random.rand(100) * 100,
    'C': np.random.choice(['cat', 'dog', 'bird'], 100)
}
df = pd.DataFrame(data)
print("原始数据：")
print(df.head())

示例 1：默认情况下的描述统计

# 默认情况下，describe() 方法会计算数值型列的统计信息
description = df.describe()
print("默认情况下的描述统计信息：")
print(description)

输出：

原始数据：
          A          B     C
0  1.764052  87.714177   cat
1  0.400157  72.365229   dog
2  0.978738  60.757076   cat
3  2.240893  91.597864   cat
4  1.867558  83.725426  bird

默认情况下的描述统计信息：
                A           B
count  100.000000  100.000000
mean     0.059808   48.224911
std      0.990020   28.281363
min     -2.552990    0.008469
25%     -0.631618   22.540982
50%      0.124287   48.249548
75%      0.739837   73.482907
max      2.269755   99.397648

示例 2：包含非数值型列的描述统计

# 包括所有列（包括非数值型列）的描述统计信息
description_all = df.describe(include='all')
print("包括所有列的描述统计信息：")
print(description_all)

输出：

包括所有列的描述统计信息：
                 A           B    C
count   100.000000  100.000000  100
unique         NaN         NaN    3
top            NaN         NaN  cat
freq           NaN         NaN   38
mean      0.059808   48.224911  NaN
std       0.990020   28.281363  NaN
min      -2.552990    0.008469  NaN
25%      -0.631618   22.540982  NaN
50%       0.124287   48.249548  NaN
75%       0.739837   73.482907  NaN
max       2.269755   99.397648  NaN

这些示例展示了 describe() 方法如何在不同的数据结构中工作，并通过生成描述性统计信息，帮助我们快速了解数据的分布情况、集中趋势和离散程度。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.describe.html

更新时间：2024-07-23 20:18:01 标签：pandas python 描述性统计