Pandas中describe()函数的使用介绍

                                                                  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。

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())

    列值为非数字的：

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

  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)

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