![8894bc8d89adcc589b9fd2c5d8d739d4.png](https://i-blog.csdnimg.cn/blog_migrate/5152a0e59be3db2491e7d80be4193b08.jpeg)
写在前面
如果你忘记了前面的文章,可以看看加深印象:
Pandas数据处理
Python数据分析实战:缺失值处理
Python数据分析实战:获取数据
然后可以进入今天的正文
一、描述性统计分析
Excel里可以用【数据分析】功能里的【描述统计】功能来查看数据集常用的统计指标,但这里只能是对数值型的数据进行统计。
![c6bda77115f47a6031546381976ebdd9.png](https://i-blog.csdnimg.cn/blog_migrate/4575f4f5b4b0a1906b278de559ef9946.png)
pandas里可以用describe方法对整个数据集做一个描述性统计分析,当然这里也只是对数值型数据才可以出结果,非数值型数据不在统计范围内。
# 描述性统计分析
df_list.describe()
得到结果如下,可以看到count(计数)、mean(均值)、std(标准差)、min(最小值)、max(最大值)、25%、50%、75%分别表示3/4位数、中位数和1/4位数。
![f07f999b5daef33c85abdc3ae70fb966.png](https://i-blog.csdnimg.cn/blog_migrate/85f02202168a2c29a56f49f089d03887.jpeg)
行列转置
由于字段太多了,所以这里可以转置一下,方便查看,用.T转置
# 行列转置
df_list.describe().T
结果如图,更符合一个表格的习惯,可以看到能够被统计出来的只有数值型数据,字符型的数据是统计不出来的。