數據科學：Pandas 和 Series 的 describe() 方法

一、Pandas 和 Series 的 describe() 方法

　1）功能

• 功能：對數據中每一列數進行統計分析；（以“列”為單位進行統計分析）

• 默認只先對“number”的列進行統計分析；

 

• 一列數據全是“number”

1. count：一列的元素個數；
2. mean：一列數據的平均值；
3. std：一列數據的均方差；（方差的算術平方根，反映一個數據集的離散程度：越大，數據間的差異越大，數據集中數據的離散程度越高；越小，數據間的大小差異越小，數據集中的數據離散程度越低）
4. min：一列數據中的最小值；
5. max：一列數中的最大值；
6. 25%：一列數據中，前 25% 的數據的平均值；
7. 50%：一列數據中，前 50% 的數據的平均值；
8. 75%：一列數據中，前 75% 的數據的平均值；

 

• 一列數據： “categorical”、“categorical” + “number”：

1. count：一列數據的元素個數；
2. unique：一列數據中元素的種類；
3. top：一列數據中出現頻率最高的元素；
4. freq：一列數據中出現頻率最高的元素的個數；

 

• 一列數據：object（如時間序列）

1. first：開始時間；
2. last：結束時間；

 

　2）實例及參數使用：Series 數據類型

• number

• 

 

• categorical

• 

 

• object（統稱為 “string” 類）

• 

 

 

　3）實例及參數使用：DataFrame 數據類型

• （一）默認只處理 number

• 

 

• （二）分析整個 DataFrame 數據：include = 'all'

• 

 

• （三）指定統計分析 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）只統計所有 “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）與 loc、sort 的配合使用

• df.describe(include=['number']).loc[['min', 'max', 'mean', 'std']].T.sort_values('max')
• 只對數據的“min”、“max”、“mean”、“std”進行分析，並將分析的結果轉置后，以“max”的大小對每行進行排序；（默認從小到大）