Pandas中describe()函數的使用介紹
一、describe()函數介紹
pandas 是基於numpy構建的含有更高級數據結構和工具的數據分析包,提供了高效地操作大型數據集所需的工具。pandas有兩個核心數據結構 Series和DataFrame,分別對應了一維的序列和二維的表結構。而describe()函數就是返回這兩個核心數據結構的統計變量。其目的在於觀察這一系列數據的範圍、大小、波動趨勢等等,爲後面的模型選擇打下基礎。
pandas.DataFrame.describe 的官方文檔。
DataFrame.describe(percentiles=None, include=None, exclude=None)
# return: Series or DataFrame. Summary statistics of the Series or Dataframe provided.
二、使用案例
2.1 統計一個 series 信息
列值爲數字的:
import pandas as pd
s = pd.Series([1, 2, 3, 4])
print(s.describe())
列值爲非數字的:
a = pd.Series(['a', 'd', 'r', 't'])
print(a.describe())
注意上面兩幅圖,字母列和數值列的統計結果是不一樣的。
2.2 統計一個dataframe的信息
import pandas as pd
c = pd.DataFrame({'categorical': pd.Categorical(['d', 'e', 'f']), 'numeric': [1, 2, 3], 'object': ['a', 'b', 'c']})
print(c)
desc = c.describe(include='all') # include='all',代表對所有列進行統計,如果不加這個參數,則只對數值列進行統計
print(desc)
缺失值由NaN補上,如果爲NaN,說明此列的信息不可以用這個統計變量進行統計的。注意,數值列和字母列是不一樣的。
統計值變量說明:
count:數量統計,此列共有多少有效值
unipue:不同的值有多少個
std:標準差
min:最小值
25%:四分之一分位數
50%:二分之一分位數
75%:四分之三分位數
max:最大值
mean:均值