<\/p>\n
\u00c8 possibile utilizzare i seguenti metodi per calcolare le statistiche di riepilogo per le variabili in un DataFrame panda:<\/span><\/p>\n Metodo 1: calcolare le statistiche riassuntive per tutte le variabili numeriche<\/strong><\/span><\/p>\n Metodo 2: calcolare le statistiche di riepilogo per tutte le variabili stringa<\/strong><\/span><\/p>\n Metodo 3: calcolare le statistiche riassuntive raggruppate per una variabile<\/strong><\/span><\/p>\n I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con i seguenti DataFrame panda:<\/span><\/p>\n Il codice seguente mostra come calcolare le statistiche di riepilogo per ciascuna variabile numerica nel DataFrame:<\/span><\/p>\n Possiamo vedere le seguenti statistiche riassuntive per ciascuna delle tre variabili numeriche:<\/span><\/p>\n Il codice seguente mostra come calcolare le statistiche di riepilogo per ciascuna variabile stringa nel DataFrame:<\/span><\/p>\n Possiamo vedere le seguenti statistiche riassuntive per la variabile stringa nel nostro DataFrame:<\/span><\/p>\n Il codice seguente mostra come calcolare il valore medio di tutte le variabili numeriche, raggruppate per variabile del team<\/strong> :<\/span><\/p>\n L’output mostra il valore medio delle variabili punti<\/strong> , assist<\/strong> e rimbalzi<\/strong> , raggruppate per variabile squadra<\/strong> .<\/span><\/p>\n Tieni presente che possiamo utilizzare una sintassi simile per calcolare una statistica riassuntiva diversa, come la mediana:<\/span><\/p>\n L’output mostra il valore mediano delle variabili punti<\/strong> , assist<\/strong> e rimbalzi<\/strong> , raggruppate per variabile di squadra<\/strong> .<\/span><\/p>\n Nota<\/strong> : puoi trovare la documentazione completa della funzione descrizione<\/strong> in panda qui<\/a> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni dei panda:<\/span><\/p>\n Come contare gli avvistamenti di gruppo nei panda<\/a> \u00c8 possibile utilizzare i seguenti metodi per calcolare le statistiche di riepilogo per le variabili in un DataFrame panda: Metodo 1: calcolare le statistiche riassuntive per tutte le variabili numeriche df. describe () Metodo 2: calcolare le statistiche di riepilogo per tutte le variabili stringa df. describe (include=’ object ‘) Metodo 3: calcolare le statistiche […]<\/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 df. describe<\/span> ()\n<\/strong><\/pre>\n df. describe<\/span> (include=' object<\/span> ')<\/strong><\/pre>\n df. groupby<\/span> (' group_column<\/span> '). mean<\/span> ()\n\ndf. groupby<\/span> (' group_column<\/span> '). median<\/span> ()\n\ndf. groupby<\/span> (' group_column<\/span> '). max<\/span> ()\n\n...<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28, 30],\n ' assists<\/span> ': [5, np.nan, 7, 9, 12, 9, 9, 4, 5],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, np.nan, 6]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 to 18 5.0 11.0\n1 to 22 NaN 8.0\n2 A 19 7.0 10.0\n3 A 14 9.0 6.0\n4 B 14 12.0 6.0\n5 B 11 9.0 5.0\n6 B 20 9.0 9.0\n7 B 28 4.0 NaN\n8 B 30 5.0 6.0\n<\/strong><\/pre>\n Esempio 1: calcolare le statistiche riassuntive per tutte le variabili numeriche<\/strong><\/span><\/h3>\n
df. describe<\/span> ()\n\n\t points assists rebounds\ncount 9.000000 8.000000 8.000000\nmean 19.555556 7.500000 7.625000\nstd 6.366143 2.725541 2.199838\nmin 11.000000 4.000000 5.000000\n25% 14,000000 5,000000 6,000000\n50% 19,000000 8,000000 7,000000\n75% 22.000000 9.000000 9.250000\nmax 30.000000 12.000000 11.000000<\/strong><\/pre>\n\n
Esempio 2: calcolare le statistiche di riepilogo per tutte le variabili stringa<\/strong><\/span><\/h3>\n
df. describe<\/span> (include=' object<\/span> ')\n\n\tteam\ncount 9\nsingle 2\ntop B\nfreq 5<\/strong><\/pre>\n\n
Esempio 3: calcolare le statistiche riassuntive raggruppate per una variabile<\/strong><\/span><\/h3>\n
df. groupby<\/span> (' team<\/span> '). mean<\/span> ()\n\n\tpoints assists rebounds\nteam\t\t\t\nA 18.25 7.0 8.75\nB 20.60 7.8 6.50\n<\/strong><\/pre>\n df. groupby<\/span> (' team<\/span> '). median<\/span> ()\n\n\tpoints assists rebounds\nteam\t\t\t\nA 18.5 7.0 9.0\nB 20.0 9.0 6.0<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come trovare il valore massimo per gruppo su Pandas<\/a>
Come identificare i valori anomali nei panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"