数据科学：Pandas 和 Series 的 describe() 方法

一、Pandas 和 Series 的 describe() 方法

　1）功能

• 功能：对数据中每一列数进行统计分析；（以“列”为单位进行统计分析）

• 默认只先对“number”的列进行统计分析；

 

• 一列数据全是“number”

1. count：一列的元素个数；
2. mean：一列数据的平均值；
3. std：一列数据的均方差；（方差的算术平方根，反映一个数据集的离散程度：越大，数据间的差异越大，数据集中数据的离散程度越高；越小，数据间的大小差异越小，数据集中的数据离散程度越低）
4. min：一列数据中的最小值；
5. max：一列数中的最大值；
6. 25%：一列数据中，前 25% 的数据的平均值；
7. 50%：一列数据中，前 50% 的数据的平均值；
8. 75%：一列数据中，前 75% 的数据的平均值；

 

• 一列数据： “categorical”、“categorical” + “number”：

1. count：一列数据的元素个数；
2. unique：一列数据中元素的种类；
3. top：一列数据中出现频率最高的元素；
4. freq：一列数据中出现频率最高的元素的个数；

 

• 一列数据：object（如时间序列）

1. first：开始时间；
2. last：结束时间；

 

　2）实例及参数使用：Series 数据类型

• number

• 

 

• categorical

• 

 

• object（统称为 “string” 类）

• 

 

 

　3）实例及参数使用：DataFrame 数据类型

• （一）默认只处理 number

• 

 

• （二）分析整个 DataFrame 数据：include = 'all'

• 

 

• （三）指定统计分析 DataFrame 中的某一列

• 

 

• （四）只分析所有的 “number” 列

• 也可以是：df.describe(include=['number'])
• 

 

• （五）只分析所有 “category” 列

• 

 

• （六）只统计所有 “object” 列

• 

 

• （七）分析除了 “number” 列的所有列

• 

 

• （八）分析除了 “object” 列的所有列

• 

 

　4）与 loc、sort 的配合使用

• df.describe(include=['number']).loc[['min', 'max', 'mean', 'std']].T.sort_values('max')
• 只对数据的“min”、“max”、“mean”、“std”进行分析，并将分析的结果转置后，以“max”的大小对每行进行排序；（默认从小到大）