数据挖掘技术与应用：描述统计DataFrame数值型特征数据

描述统计DataFrame数值型特征数据

1. 准备数据

准备数据meal_order_detail1.csv，并将meal_order_detail1.csv放到Linux本地/course/DataAnalyze/data目录

1. 数值型特征的描述性统计

1. pandas库基于NumPy，可以用这些函数对数据框进行描述性统计，例如代码 421。

代码 421 NumPy计算平均价格

In[33]:	import numpy as np print('订单详情表中amount（价格）的平均值为：', np.mean(detail['amounts']))
Out[33]:	订单详情表中amount（价格）的平均值为： 45.343084145901045

1. 上述用numpy实现菜品销量价格的均值，也可以通过pandas实现，具体实现详如代码 422所示。

代码 422 pandas实现销量和价格的协方差矩阵计算

In[34]:	print('订单详情表中amount（价格）的平均值为：', detail['amounts'].mean())
Out[34]:	订单详情表中amount（价格）的平均值为： 45.343084145901045

1. Pandas还提供了一个方法叫作describe，能够一次性得出数据框所有数值型特征的非空值数目、均值、四分位数、标准差。具体实现代码 和结果如代码 423所示。

代码 423 describe方法实现数值型数据描述性统计

In[35]:	print('订单详情表counts和amounts两列的描述性统计为：\n',       detail[['counts','amounts']].describe())
Out[35]:	订单详情表counts和amounts两列的描述性统计为：              counts      amounts count  2769.000000  2769.000000 mean      1.111593    45.343084 std       0.626521    36.841316 min       1.000000     1.000000 25%       1.000000    25.000000 50%       1.000000    35.000000 75%       1.000000    56.000000 max      10.000000   178.000000