Pandas中describe()函数的使用介绍

朱雀 2023-06-25 10:07 255阅读 0赞

**Pandas中describe()函数的使用介绍**

**一、describe()函数介绍**

pandas 是基于numpy构建的含有更高级数据结构和工具的数据分析包，提供了高效地操作大型数据集所需的工具。pandas有两个核心数据结构 Series和DataFrame，分别对应了一维的序列和二维的表结构。而describe()函数就是返回这两个核心数据结构的统计变量。其目的在于观察这一系列数据的范围、大小、波动趋势等等，为后面的模型选择打下基础。

pandas.DataFrame.describe 的[官方文档][Link 1]。

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 统计一个 series 信息

列值为数字的：

import pandas as pd
    s = pd.Series([1, 2, 3, 4])
    print(s.describe())

![20191228100229799.png][]

列值为非数字的：

a = pd.Series(['a', 'd', 'r', 't'])
    print(a.describe())

![20191228101847902.png][]

注意上面两幅图，字母列和数值列的统计结果是不一样的。

2.2 统计一个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',代表对所有列进行统计，如果不加这个参数，则只对数值列进行统计
    print(desc)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0NzU0MDYx_size_16_color_FFFFFF_t_70][]

缺失值由NaN补上，如果为NaN，说明此列的信息不可以用这个统计变量进行统计的。注意，数值列和字母列是不一样的。

**统计值变量说明：**

count：数量统计，此列共有多少有效值  
   unipue：不同的值有多少个  
   std：标准差  
   min：最小值  
   25%：四分之一分位数  
   50%：二分之一分位数  
   75%：四分之三分位数  
   max：最大值  
   mean：均值

[Link 1]: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.describe.html
[20191228100229799.png]: https://img-blog.csdnimg.cn/20191228100229799.png
[20191228101847902.png]: https://img-blog.csdnimg.cn/20191228101847902.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0NzU0MDYx_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2019122809555532.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI0NzU0MDYx,size_16,color_FFFFFF,t_70