pandas.core.groupby.DataFrameGroupBy.describe#
- DataFrameGroupBy.describe(**kwargs)[源代码]#
生成描述性统计数据。
描述性统计包括总结数据集分布的中心趋势、分散度和形状的统计数据，不包括
NaN价值。分析数值序列和对象序列，以及
DataFrame混合数据类型的列集。根据所提供的内容，输出会有所不同。有关更多详细信息，请参阅下面的说明。- 参数
- percentiles类似列表的数字，可选
要包含在输出中的百分比。所有值都应介于0和1之间。默认值为
[.25, .5, .75]，它返回第25、50和75个百分位数。- include‘all’，类似列表的数据类型或无(默认)，可选
要包括在结果中的数据类型白名单。忽略以下内容
Series。以下是选项：‘All’：输入的所有列都将包含在输出中。
类似列表的数据类型：将结果限制为所提供的数据类型。要将结果限制为数字类型，请提交
numpy.number。若要将其限制为对象列，请提交numpy.object数据类型。字符串还可以在样式中使用select_dtypes(例如df.describe(include=['O']))。要选择Pandas分类列，请使用'category'无(默认)：结果将包括所有数字列。
- exclude类似列表的数据类型或无(默认)、可选、
要从结果中省略的数据类型黑名单。忽略以下内容
Series。以下是选项：类似列表的数据类型：从结果中排除提供的数据类型。要排除数字类型，请提交
numpy.number。要排除对象列，请提交数据类型numpy.object。字符串还可以在样式中使用select_dtypes(例如df.describe(exclude=['O']))。若要排除Pandas分类列，请使用'category'无(默认)：结果将不排除任何内容。
- datetime_is_numeric布尔值，默认为False
是否将DateTime数据类型视为数字。这会影响为该列计算的统计信息。对于DataFrame输入，它还控制默认情况下是否包括DateTime列。
1.1.0 新版功能.
- 退货
- 系列或DataFrame
提供的系列或数据帧的汇总统计信息。
参见
DataFrame.count计算非NA/空观察值的数量。
DataFrame.max对象中的最大值。
DataFrame.min对象中的最小值。
DataFrame.mean值的平均值。
DataFrame.std观测数据的标准差。
DataFrame.select_dtypes数据帧的子集，根据列的数据类型包括/排除列。
注意事项
对于数值数据，结果的索引将包括
count，mean，std，min，max以及更低的，50和较高的百分位数。默认情况下，较低的百分比为25上面的百分位数是75。这个50百分位数与中位数相同。对于对象数据(例如字符串或时间戳)，结果的索引将包括
count，unique，top，以及freq。这个top是最常见的价值。这个freq是最常见的值的频率。时间戳还包括first和last物品。如果多个对象值具有最高计数，则
count和top结果将从计票最高的人中任意选择。类提供的混合数据类型
DataFrame，则默认为仅返回对数值列的分析。如果数据帧仅由对象和类别数据组成，而不包含任何数字列，则默认情况下返回对象列和类别列的分析。如果include='all'作为选项提供，则结果将包括每种类型的属性的并集。这个 include 和 exclude 参数可用于限制
DataFrame对输出进行了分析。在分析Series。示例
描述一个数字
Series。>>> s = pd.Series([1, 2, 3]) >>> s.describe() count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0 dtype: float64
描述一个绝对的
Series。>>> s = pd.Series(['a', 'a', 'b', 'c']) >>> s.describe() count 4 unique 3 top a freq 2 dtype: object
描述时间戳
Series。>>> s = pd.Series([ ... np.datetime64("2000-01-01"), ... np.datetime64("2010-01-01"), ... np.datetime64("2010-01-01") ... ]) >>> s.describe(datetime_is_numeric=True) count 3 mean 2006-09-01 08:00:00 min 2000-01-01 00:00:00 25% 2004-12-31 12:00:00 50% 2010-01-01 00:00:00 75% 2010-01-01 00:00:00 max 2010-01-01 00:00:00 dtype: object
描述一种
DataFrame。默认情况下，仅返回数值字段。>>> df = pd.DataFrame({'categorical': pd.Categorical(['d','e','f']), ... 'numeric': [1, 2, 3], ... 'object': ['a', 'b', 'c'] ... }) >>> df.describe() numeric count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0
描述的所有列
DataFrame而不考虑数据类型。>>> df.describe(include='all') categorical numeric object count 3 3.0 3 unique 3 NaN 3 top f NaN a freq 1 NaN 1 mean NaN 2.0 NaN std NaN 1.0 NaN min NaN 1.0 NaN 25% NaN 1.5 NaN 50% NaN 2.0 NaN 75% NaN 2.5 NaN max NaN 3.0 NaN
描述来自
DataFrame通过将其作为属性进行访问。>>> df.numeric.describe() count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0 Name: numeric, dtype: float64
中仅包含数字列。
DataFrame描述。>>> df.describe(include=[np.number]) numeric count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0
中仅包含字符串列。
DataFrame描述。>>> df.describe(include=[object]) object count 3 unique 3 top a freq 1
仅包括来自
DataFrame描述。>>> df.describe(include=['category']) categorical count 3 unique 3 top d freq 1
对象中排除数字列
DataFrame描述。>>> df.describe(exclude=[np.number]) categorical object count 3 3 unique 3 3 top f a freq 1 1
从中排除对象列
DataFrame描述。>>> df.describe(exclude=[object]) categorical numeric count 3 3.0 unique 3 NaN top f NaN freq 1 NaN mean NaN 2.0 std NaN 1.0 min NaN 1.0 25% NaN 1.5 50% NaN 2.0 75% NaN 2.5 max NaN 3.0