Pandas库中data.describe()函数有什么作用
data.describe() 函数是 Pandas 库中用于生成描述性统计信息的方法。它提供了关于数值列的统计信息,包括均值、标准差、最小值、25%,50%,75% 分位数以及最大值。对于非数值列,describe() 返回的统计信息包括计数、唯一值的数量、出现最多的值和它的频率。
以下是一个简单的示例:
import pandas as pd
# 假设有一个名为data的DataFrame
data = pd.DataFrame({
'Age': [25, 30, 35, 40, 45],
'Salary': [50000, 60000, 75000, 90000, 80000],
'Experience': [2, 5, 8, 10, 6]
})
# 生成描述性统计信息
print(data.describe())
输出可能类似于:
Age Salary Experience
count 5.000000 5.000000 5.000000
mean 35.000000 73000.000000 6.200000
std 7.071068 14696.556456 2.949576
min 25.000000 50000.000000 2.000000
25% 30.000000 60000.000000 5.000000
50% 35.000000 75000.000000 6.000000
75% 40.000000 80000.000000 8.000000
max 45.000000 90000.000000 10.000000
这里,对于每个数值列,count 是非缺失值的数量,mean 是均值,std 是标准差,min 是最小值,25%、50%、75% 分别是对应的百分位数,max 是最大值。对于非数值列,count 是非缺失值的数量,unique 是唯一值的数量,top 是出现频率最高的值,freq 是出现频率。这些统计信息对于初步了解数据分布和特征之间的关系非常有帮助。