2.3 缺损值和一般统计量

 

 

接下来，我们要计算出两种数据值：缺损值和一般统计量。

 

缺损值主要指的是，数据列中存在缺少或漏掉的数据项，比如 customer_master 中缺少了顾客的姓名或邮箱，transaction 中缺少了交易的数量或金额等等。缺损值的大小对后面的分析非常重要，应尽量让缺损值越小越好。那么，首先计算一下 join_data 中各个数据列的缺损值，代码如下：

join_data.isnull().sum()

解释一下代码：

 

使用isnull() 函数，如果数据列中的数据项不存在时，会返回一个True，存在的话，则返回一个False。使用sum()函数，则将返回True的数据项，按照个数累计相加。

 

点击"运行"，执行效果如下图所示。

从执行结果可以发现，join_data 中的数据列的缺损值都是0，这样的数据非常完美，有利于后面的数据分析。

---

如果想计算 join_data 的整体值，可以使用describe()函数，代码如下:

join_data.describe()

点击"运行"，执行效果如下图所示。

观察上图可以发现，所谓一般统计量，就是计算出各个数据列中的总个数(count)、平均值(mean)、标准差(std)、最小值(min)、四分位值(25%，50%，75%)和最大值(max)。

 

比方说，“price”数据列，平均值是8156元，最大值是25200元，从单价是12600元可知，某位顾客买了两台。再比如“quantity”数据列，从25%、50%、75%的值可知，大部分人都只购买了1台。再看“age”数据列，从min值和max值可知，顾客的年龄分布在20~80岁之间。像上面这样，通过计算缺损值和一般统计量，我们就可以分析出数据中的一些基本信息。

 

接下来，从这些数据中，进一步分析出有用的信息。

---

此处为语雀文档，点击链接查看：https://www.yuque.com/codeclub/yvmeco/friz9v