<\/p>\n
Eine f\u00fcnfstellige Zusammenfassung<\/strong> ist eine M\u00f6glichkeit, einen Datensatz anhand der folgenden f\u00fcnf Werte zusammenzufassen:<\/span><\/p>\n Die Zusammenfassung mit f\u00fcnf Zahlen ist n\u00fctzlich, da sie eine pr\u00e4gnante Zusammenfassung der Datenverteilung wie folgt liefert:<\/span><\/p>\n Der einfachste Weg, eine f\u00fcnfstellige Zusammenfassung f\u00fcr Variablen in einem Pandas-DataFrame zu berechnen, besteht darin, die Funktion discover()<\/strong> wie folgt zu verwenden:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber verschiedene Basketballspieler enth\u00e4lt:<\/span><\/p>\n Wir k\u00f6nnen die folgende Syntax verwenden, um die f\u00fcnfstellige Zusammenfassung f\u00fcr jede numerische Variable im DataFrame zu berechnen:<\/span><\/p>\n So interpretieren Sie das Ergebnis der Punktevariablen<\/strong> :<\/span><\/p>\n Wir k\u00f6nnen die Werte der Variablen help<\/strong> und rebound<\/strong> auf die gleiche Weise interpretieren.<\/span><\/p>\n Wenn Sie nur die f\u00fcnfstellige Zusammenfassung f\u00fcr eine bestimmte Variable im DataFrame berechnen m\u00f6chten, k\u00f6nnen Sie die folgende Syntax verwenden:<\/span><\/p>\n Die Ausgabe zeigt nun die f\u00fcnfstellige Zusammenfassung nur f\u00fcr die Punktevariable<\/strong> .<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Panda-Aufgaben ausf\u00fchren:<\/span><\/p>\n Pandas: So ermitteln Sie die H\u00e4ufigkeitsanzahl von Werten in einer Spalte<\/a> Eine f\u00fcnfstellige Zusammenfassung ist eine M\u00f6glichkeit, einen Datensatz anhand der folgenden f\u00fcnf Werte zusammenzufassen: Minimum Das erste Quartil Der Median Das dritte Quartil Das Maximum Die Zusammenfassung mit f\u00fcnf Zahlen ist n\u00fctzlich, da sie eine pr\u00e4gnante Zusammenfassung der Datenverteilung wie folgt liefert: Mithilfe des Medians erfahren wir, wo der Medianwert liegt. Es zeigt uns die […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
\n
df. describe<\/span> (). loc<\/span> [[' min<\/span> ', '25 %<\/span> ', '50 %<\/span> ', '75%<\/span> ', ' max<\/span> ']]\n<\/strong><\/pre>\n Beispiel: Berechnen Sie eine Zusammenfassung von f\u00fcnf Zahlen in Pandas DataFrame<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18 5 11\n1 B 22 7 8\n2 C 19 7 10\n3 D 14 9 6\n4 E 14 12 6\n5 F 11 9 5\n6 G 20 9 9\n7:28 4 12<\/strong><\/span><\/pre>\n #calculate five number summary for each numeric variable<\/span>\ndf. describe<\/span> (). loc<\/span> [[' min<\/span> ', '25 %<\/span> ', '50 %<\/span> ', '75%<\/span> ', ' max<\/span> ']]\n\n points assists rebounds\nmin 11.0 4.0 5.00\n25% 14.0 6.5 6.00\n50% 18.5 8.0 8.50\n75% 20.5 9.0 10.25\nmax 28.0 12.0 12.00\n<\/strong><\/pre>\n\n
#calculate five number summary for the points variable<\/span>\ndf[' points<\/span> ']. describe<\/span> (). loc<\/span> [[' min<\/span> ', '25 %<\/span> ', '50 %<\/span> ', '75%<\/span> ', ' max<\/span> ']]\n\nmin 11.0\n25% 14.0\n50% 18.5\n75% 20.5\nmax 28.0\nName: points, dtype: float64\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: So berechnen Sie den Durchschnitt pro Gruppe<\/a>
Pandas: So berechnen Sie den Median pro Gruppe<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"