数据挖掘技术-描述数据的统计信息

描述数据的统计信息

1. 准备数据

准备数据Training_Master.csv”，将数据文件Training_Master.csv放到Linux本地的/course/DataAnalyze/data目录。

1. 描述统计

Describe函数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 42所示。

代码 42 使用describe方法进行描述性统计

In[4]:

print('P2P网络贷款主表数据的描述性统计为：\n',master.describe())

Out[4]:

P2P网络贷款主表数据的描述性统计为：                  Idx    UserInfo_1    UserInfo_3  WeblogInfo_1  WeblogInfo_2  \ count  30000.000000  29994.000000  29993.000000    970.000000  28342.000000    mean   46318.673267      3.219911      4.694329      2.201031      0.131466    std    26640.397805      1.827684      1.321458      7.831679      0.358486    min        3.000000      0.000000      0.000000      1.000000      0.000000    25%    22924.250000      1.000000      4.000000      1.000000      0.000000    50%    46849.500000      3.000000      5.000000      1.000000      0.000000    75%    69447.250000      5.000000      5.000000      1.000000      0.000000    max    91703.000000      7.000000      7.000000    133.000000      4.000000           WeblogInfo_3  WeblogInfo_4  WeblogInfo_5  WeblogInfo_6  WeblogInfo_7  \ count    970.000000  28349.000000  28349.000000  28349.000000  30000.000000    mean       1.308247      3.025962      1.816960      2.948711     10.632800    std        7.866457      3.772421      1.701177      3.770300     16.097588    min        0.000000      1.000000      1.000000      1.000000      0.000000    25%        0.000000      1.000000      1.000000      1.000000      2.000000    50%        0.000000      2.000000      1.000000      2.000000      6.000000    75%        1.000000      3.000000      2.000000      3.000000     13.000000    max      133.000000    165.000000     73.000000    165.000000    722.000000               ...       SocialNetwork_9  SocialNetwork_10  SocialNetwork_11  \ count      ...          30000.000000      30000.000000      30000.000000    mean       ...             35.516167         75.211233         -0.999267    std        ...            135.954587        742.978305          0.052911    min        ...             -1.000000         -1.000000         -1.000000    25%        ...             -1.000000         -1.000000         -1.000000    50%        ...             -1.000000         -1.000000         -1.000000    75%        ...             -1.000000         -1.000000         -1.000000    max        ...           3242.000000      71253.000000          6.000000           SocialNetwork_12  SocialNetwork_13  SocialNetwork_14  SocialNetwork_15  \ count      30000.000000      30000.000000      30000.000000      30000.000000    mean          -0.745033          0.221167          0.062033          0.027967    std            0.441473          0.420545          0.242598          0.164880    min           -1.000000          0.000000          0.000000          0.000000    25%           -1.000000          0.000000          0.000000          0.000000    50%           -1.000000          0.000000          0.000000          0.000000    75%            0.000000          0.000000          0.000000          0.000000    max            1.000000          2.000000          3.000000          1.000000           SocialNetwork_16  SocialNetwork_17        target   count      30000.000000      30000.000000  30000.000000   mean           0.016633          0.253467      0.073267   std            0.127895          0.437296      0.260578   min            0.000000          0.000000      0.000000   25%            0.000000          0.000000      0.000000   50%            0.000000          0.000000      0.000000   75%            0.000000          1.000000      0.000000   max            1.000000          3.000000      1.000000