Pandas中describe()函数的使用介绍
一、describe()函数介绍
pandas 是基于numpy构建的含有更高级数据结构和工具的数据分析包,提供了高效地操作大型数据集所需的工具。pandas有两个核心数据结构 Series和DataFrame,分别对应了一维的序列和二维的表结构。而describe()函数就是返回这两个核心数据结构的统计变量。其目的在于观察这一系列数据的范围、大小、波动趋势等等,为后面的模型选择打下基础。(更多内容,可参阅程序员在旅途)
pandas.DataFrame.describe 的官方文档。
DataFrame.describe(percentiles=None, include=None, exclude=None)
# return: Series or DataFrame. Summary statistics of the Series or Dataframe provided.
二、使用案例
2.1 统计一个 series 信息
列值为数字的:
import pandas as pd
s = pd.Series([1, 2, 3, 4])
print(s.describe())
列值为非数字的:
a = pd.Series(['a', 'd', 'r', 't'])
print(a.describe())
注意上面两幅图,字母列和数值列的统计结果是不一样的。
2.2 统计一个dataframe的信息
import pandas as pd
c = pd.DataFrame({'categorical': pd.Categorical(['d', 'e', 'f']), 'numeric': [1, 2, 3], 'object': ['a', 'b', 'c']})
print(c)
desc = c.describe(include='all') # include='all',代表对所有列进行统计,如果不加这个参数,则只对数值列进行统计
print(desc)
缺失值由NaN补上,如果为NaN,说明此列的信息不可以用这个统计变量进行统计的。注意,数值列和字母列是不一样的。
统计值变量说明:
count:数量统计,此列共有多少有效值
unipue:不同的值有多少个
std:标准差
min:最小值
25%:四分之一分位数
50%:二分之一分位数
75%:四分之三分位数
max:最大值
mean:均值