Pandas：如何仅对平均值和标准值使用describe()

您可以使用describe()函数为pandas DataFrame中的变量生成描述性统计数据。

默认情况下， describe()函数为 DataFrame 中的每个数值变量计算以下指标：

• 计数（值的数量）
• 平均值（平均值）
• std（标准差）
• 最小值（最小值）
• 25%（第 25 个百分位数）
• 50%（第 50 个百分位数）
• 75%（第 75 个百分位）
• 最大值（最大值）

但是，您可以使用以下语法仅计算每个数值变量的平均值和标准差：

 df. describe (). loc [[' mean ', ' std ']]

以下示例展示了如何在实践中使用此语法。

示例：在 Pandas 中使用describe()仅计算平均值和标准

假设我们有以下 pandas DataFrame，其中包含有关各种篮球运动员的信息：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

如果我们使用describe()函数，我们可以计算DataFrame中每个数值变量的描述性统计数据：

 #calculate descriptive statistics for each numeric variable
df. describe ()

points assists rebounds
count 8.000000 8.00000 8.000000
mean 18.250000 7.75000 8.375000
std 5.365232 2.54951 2.559994
min 11.000000 4.00000 5.000000
25% 14,000000 6,50000 6,000000
50% 18.500000 8.00000 8.500000
75% 20.500000 9.00000 10.250000
max 28.000000 12.00000 12.000000

但是，我们可以使用以下语法来计算每个数值变量的平均值和标准差：

 #only calculate mean and standard deviation of each numeric variable
df. describe (). loc [[' mean ', ' std ']]

           points assists rebounds
mean 18.250000 7.75000 8.375000
std 5.365232 2.54951 2.559994

请注意，输出仅包括每个数值变量的平均值和标准差。

请注意， describe()函数仍然像以前一样计算每个描述性统计量，但我们使用loc函数仅选择输出中名为Mean和std的行。

相关： Pandas loc 与 iloc：有什么区别？

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

Pandas：如何按组使用describe()
Pandas：如何使用具有特定百分位数的describe()
Pandas：如何使用describe()并删除科学记数法