<\/p>\n
Sie k\u00f6nnen die Funktion \u201ebeschreiben()\u201c<\/strong> verwenden, umbeschreibende Statistiken<\/a> f\u00fcr Variablen in einem Pandas-DataFrame zu generieren.<\/span><\/p>\n Standardm\u00e4\u00dfig berechnet Pandas das 25., 50. und 75. Perzentil f\u00fcr Variablen.<\/span><\/span><\/p>\n Sie k\u00f6nnen jedoch das Argument \u201ePerzentilen<\/strong> \u201c in der Funktion \u201ebeschreiben()\u201c<\/strong> verwenden, um die genauen zu berechnenden Perzentile anzugeben.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie dieses Argument in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie Sie die Funktion \u201ebeschreiben()\u201c<\/strong> verwenden, um beschreibende Statistiken f\u00fcr jede numerische Variable im DataFrame zu berechnen:<\/span><\/span><\/p>\n Beachten Sie, dass die Funktion discover()<\/strong> standardm\u00e4\u00dfig das 25., 50. und 75. Perzentil f\u00fcr jede Variable berechnet.<\/span><\/p>\n Der folgende Code zeigt, wie die Funktion \u201ebeschreiben()\u201c<\/strong> mit dem Argument \u201e perzentilen<\/strong> \u201c verwendet wird, um das 30., 60. und 90. Perzentil f\u00fcr jede numerische Variable im DataFrame zu berechnen:<\/span><\/p>\n Beachten Sie, dass die Funktion discover()<\/strong> das 30., 60. und 90. Perzentil f\u00fcr jede numerische Variable zur\u00fcckgibt.<\/span><\/p>\n Hinweis<\/strong> : Die Funktion \u201ebeschreiben()\u201c<\/strong> gibt auch das 50. Perzentil zur\u00fcck, da dies den Medianwert jeder Variablen darstellt und eine der von der Funktion \u201ebeschreiben()\u201c<\/strong> berechneten Standardmetriken ist.<\/span><\/p>\n Der folgende Code zeigt, wie die Funktion \u201ebeschreiben()\u201c<\/strong> mit dem Argument \u201epercentiles=[]\u201c<\/strong> verwendet wird, um f\u00fcr jede numerische Variable im DataFrame keine Perzentile zu berechnen:<\/span><\/p>\n Beachten Sie, dass das 25. und 75. Perzentil nicht mehr f\u00fcr jede Variable berechnet wird.<\/span><\/p>\n Beachten Sie, dass das 50. Perzentil immer im Ergebnis enthalten ist, da es den Medianwert<\/a> jeder Variablen darstellt.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: wie man beschreiben() nach Gruppen verwendet<\/a> Sie k\u00f6nnen die Funktion \u201ebeschreiben()\u201c verwenden, umbeschreibende Statistiken f\u00fcr Variablen in einem Pandas-DataFrame zu generieren. Standardm\u00e4\u00dfig berechnet Pandas das 25., 50. und 75. Perzentil f\u00fcr Variablen. Sie k\u00f6nnen jedoch das Argument \u201ePerzentilen \u201c in der Funktion \u201ebeschreiben()\u201c verwenden, um die genauen zu berechnenden Perzentile anzugeben. Die folgenden Beispiele zeigen, wie dieses Argument in der Praxis […]<\/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 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\n<\/strong><\/span><\/pre>\n Beispiel 1: Verwendung von beschreiben() mit Standardperzentilen<\/strong><\/span><\/h2>\n
#calculate descriptive statistics for each numeric variable\ndf. describe<\/span> ()\n<\/span>\n<\/span>points assists rebounds\ncount 8.000000 8.00000 8.000000\nmean 18.250000 7.75000 8.375000\nstd 5.365232 2.54951 2.559994\nmin 11.000000 4.00000 5.000000\n25% 14,000000 6,50000 6,000000\n50% 18.500000 8.00000 8.500000\n75% 20.500000 9.00000 10.250000\nmax 28.000000 12.00000 12.000000<\/strong><\/pre>\n Beispiel 2: Verwendung von beschreiben() mit benutzerdefinierten Perzentilen<\/strong><\/span><\/h2>\n
#calculate custom percentiles for each numeric variable\ndf. describe<\/span> (percentiles=[ .3<\/span> , .6<\/span> , .9<\/span> ])\n<\/span><\/span>\n points assists rebounds\ncount 8.000000 8.00000 8.000000\nmean 18.250000 7.75000 8.375000\nstd 5.365232 2.54951 2.559994\nmin 11.000000 4.00000 5.000000\n30% 14.400000 7.00000 6.200000\n50% 18.500000 8.00000 8.500000\n60% 19.200000 9.00000 9.200000\n90% 23.800000 9.90000 11.300000\nmax 28.000000 12.00000 12.000000<\/strong><\/pre>\n Beispiel 3: Verwendung von beschreiben() ohne Perzentil<\/strong><\/span><\/h2>\n
#calculate no percentiles for each numeric variable\n<\/span>df. describe<\/span> (percentiles=[])<\/span><\/span>\n\n points assists rebounds\ncount 8.000000 8.00000 8.000000\nmean 18.250000 7.75000 8.375000\nstd 5.365232 2.54951 2.559994\nmin 11.000000 4.00000 5.000000\n50% 18.500000 8.00000 8.500000\nmax 28.000000 12.00000 12.000000<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: wie man beschreiben() verwendet und die wissenschaftliche Notation entfernt<\/a>
Pandas: So berechnen Sie Mittelwert, Median und Modus<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"