关注我们

DataFrame.describe函数

describe()方法用于计算一些统计数据，例如Series或DataFrame的数值的百分位数，均值和 std 。它分析数字和对象Series以及混合数据类型的DataFrame列集。

语法

DataFrame.describe(percentiles=None, include=None, exclude=None)

参数

percentile(百分位数) - 这是一个可选参数，它是一个列表，如数字的数据类型，应在0到1之间。其默认值为[.25，.5，.75]，它返回第25位，第50和第75个百分位。
include - 它也是一个可选参数，在描述DataFrame时包括数据类型列表。默认值为"None"。
exclude - 它也是一个可选参数，用于在描述DataFrame时排除数据类型列表。默认值为"None"。

返回值

它返回Series和DataFrame的统计摘要。

无涯教程网

例1

复制代码

import pandas as pd
import numpy as np
a1 = pd.Series([1, 2, 3])
a1.describe()

输出

count     3.0
mean      2.0
std       1.0
min       1.0
25%       1.5
50%       2.0
75%       2.5
max       3.0
dtype: float64

例2

复制代码

import pandas as pd
import numpy as np
a1 = pd.Series(['p', 'q', 'q', 'r'])
a1.describe()

输出

count      4
unique     3
top        q
freq       2
dtype: object

例子3

复制代码

import pandas as pd
import numpy as np
a1 = pd.Series([1, 2, 3])
a1.describe()
a1 = pd.Series(['p', 'q', 'q', 'r'])
a1.describe()
info = pd.DataFrame({'categorical': pd.Categorical(['s','t','u']),
'numeric': [1, 2, 3],
'object': ['p', 'q', 'r']
 })
info.describe(include=[np.number])
info.describe(include=[np.object])
info.describe(include=['category'])

输出

	categorical
count	3
unique	3
top     u
freq	1

例子4

复制代码

import pandas as pd
import numpy as np
a1 = pd.Series([1, 2, 3])
a1.describe()
a1 = pd.Series(['p', 'q', 'q', 'r'])
a1.describe()
info = pd.DataFrame({'categorical': pd.Categorical(['s','t','u']),
'numeric': [1, 2, 3],
'object': ['p', 'q', 'r']
 })
info.describe()
info.describe(include='all')
info.numeric.describe()
info.describe(include=[np.number])
info.describe(include=[np.object])
info.describe(include=['category'])
info.describe(exclude=[np.number])
info.describe(exclude=[np.object])

输出

      categorical  numeric
count     3         3.0
unique    3         NaN
top       u         NaN
freq      1         NaN
mean      NaN       2.0
std       NaN       1.0
min       NaN       1.0
25%       NaN       1.5
50%       NaN       2.0
75%       NaN       2.5
max       NaN       3.0

祝学习愉快！(内容编辑有误？请选中要编辑内容 -> 右键 -> 修改 -> 提交！)

技术教程推荐

AI技术内参 -〔洪亮劼〕

浏览器工作原理与实践 -〔李兵〕

安全攻防技能30讲 -〔何为舟〕

Service Mesh实战 -〔马若飞〕

Go 语言项目开发实战 -〔孔令飞〕

陈天 · Rust 编程第一课 -〔陈天〕

手把手带你搭建推荐系统 -〔黄鸿波〕

给程序员的写作课 -〔高磊〕

云原生基础架构实战课 -〔潘野〕

好记忆不如烂笔头。留下您的足迹吧 :)