【Pandas Describe函数详解】

前言

在 Pandas 中，describe() 函数能够为数据框（DataFrame）中的数值列提供统计摘要信息。

一、describe() 函数是什么？

describe() 函数是 Pandas 数据框（DataFrame）对象的一个方法，它用于生成有关数据的统计摘要。这个统计摘要包括了数据列的数量、均值、标准差、最小值、25% 分位数、中位数（50% 分位数）、75% 分位数和最大值。

二、describe() 函数的基本用法

import pandas as pd

# 创建一个示例数据框
data = {'Age': [25, 30, 35, 40, 45],
        'Salary': [50000, 60000, 75000, 80000, 90000]}

df = pd.DataFrame(data)

# 使用 describe() 函数生成统计摘要
summary = df.describe()

print(summary)

             Age        Salary
count   5.000000      5.000000
mean   35.000000  71000.000000
std     7.905694  15968.719423
min    25.000000  50000.000000
25%    30.000000  60000.000000
50%    35.000000  75000.000000
75%    40.000000  80000.000000
max    45.000000  90000.000000

三、describe() 函数的参数说明

describe() 函数有一些可选参数，可以用来控制统计摘要的输出。

• percentiles：指定要计算的百分位数，默认是 [0.25, 0.5, 0.75]，即 25%、50% 和 75% 分位数。
• include 和 exclude：用于选择要包含或排除的数据类型，默认情况下包括所有数值列。
• datetime_is_numeric：如果为 True，则将日期时间列视为数值列进行统计。

四、示例代码

1. 使用 percentiles 参数

设置 percentiles 参数来自定义要计算的百分位数。例如：

custom_percentiles = [0.1, 0.5, 0.9]
custom_summary = df.describe(percentiles=custom_percentiles)
print(custom_summary)

2. 使用 include 和 exclude 参数

使用 include 和 exclude 参数来选择要包含或排除的数据类型。

integer_summary = df.describe(include='int')
print(integer_summary)

3. 处理日期时间列

如果数据框中包含日期时间列，使用 datetime_is_numeric 参数将其视为数值列进行统计。例如：

import datetime

dates = [datetime.date(2022, 1, 1), datetime.date(2022, 1, 2), datetime.date(2022, 1, 3)]
df['Date'] = dates

date_summary = df.describe(datetime_is_numeric=True)
print(date_summary)