关于Pandas的基本描述

pandas describe()函数允许你获得Pandas数据框架内的数据的统计摘要。该函数返回数据的统计信息，包括统计平均值、标准差、最小和最大值等。

函数语法

该函数的语法如下所示。

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

函数参数

该函数接受以下参数。

1. percentiles- 允许你在DataFrame中获得数据的特定百分位数。百分位数的范围是0到1。
2. include- 指定一个数据类型的列表，在结果集中有接受的值，包括None和all。
3. exclude- 在结果集中要排除的数据类型的列表。
4. datetime_is_numeric- 允许函数将日期时间对象视为数字。

函数的返回值

该函数返回一个DataFrame，每一行都持有列的统计属性的类型。

例子1

请看下面的例子，它说明了潘达斯中describe()函数的主要用途

import pandas as pd
df = pd.DataFrame({
    "first_name": ['Fracis', 'Bernice', 'Debra'],
    "last_name": ['Barton', 'Wyche', 'Wade']},
    index=[1,2,3])
df.describe()

在上面的例子中，我们先是导入了pandas库。然后我们创建了一个简单的DataFrame并调用describe()方法。

上面的代码应该返回一个关于DataFrame的基本信息摘要。一个输出示例如图所示：

注意该函数是如何返回基本的统计信息的，比如值的数量，有多少是唯一的，最高值等等。

例子2

考虑一下下面的例子，返回一个Pandas系列的统计摘要。

s = pd.Series([10,20,30])
s.describe()

在这个例子中，函数应该返回如图所示的输出：

在这种情况下，函数返回基本的摘要信息，如标准平均值、第25、50和75个百分位数，以及系列中的最大值。

例子3

要描述Pandas DataFrame中的一个特定列，请使用如下所示的语法。

DataFrame.column_name.describe()

例子4

要从结果中排除一个特定的数据类型，请使用所示的语法。

df.describe(exclude=[np.datatype])

例子5

要描述一个DataFrame中的所有列，无论其数据类型如何，运行代码。

df.describe(include='all')

总结

在这篇文章中，我们讨论了如何在Pandas中使用describe()函数。