pandas 描述性统计
示例
可以使用该方法计算数字列的描述性统计信息（平均值，标准差，观察数，最小值，最大值和四分位数），该方法将返回描述性统计数据的熊猫数据框。.describe()
In [1]: df = pd.DataFrame({'A': [1, 2, 1, 4, 3, 5, 2, 3, 4, 1],
'B': [12, 14, 11, 16, 18, 18, 22, 13, 21, 17],
'C': ['a', 'a', 'b', 'a', 'b', 'c', 'b', 'a', 'b', 'a']})
In [2]: df
Out[2]:
A B C
0 1 12 a
1 2 14 a
2 1 11 b
3 4 16 a
4 3 18 b
5 5 18 c
6 2 22 b
7 3 13 a
8 4 21 b
9 1 17 a
In [3]: df.describe()
Out[3]:
A B
count 10.000000 10.000000
mean 2.600000 16.200000
std 1.429841 3.705851
min 1.000000 11.000000
25% 1.250000 13.250000
50% 2.500000 16.500000
75% 3.750000 18.000000
max 5.000000 22.000000请注意，由于C不是数字列，因此将其从输出中排除。
In [4]: df['C'].describe() Out[4]: count 10 unique 3 freq 5 Name: C, dtype: object
在这种情况下，该方法通过观察次数，唯一元素数量，模式和模式频率来汇总分类数据。