<\/p>\n
\u00c8 possibile utilizzare la funzione description()<\/strong> per generare statistiche descrittive<\/a> per le variabili in un DataFrame panda.<\/span><\/p>\n Per impostazione predefinita, panda calcola il 25\u00b0, 50\u00b0 e 75\u00b0 percentile per le variabili.<\/span><\/span><\/p>\n Tuttavia, puoi utilizzare l’argomento percentili<\/strong> nella funzione description()<\/strong> per specificare i percentili esatti da calcolare.<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questo argomento in pratica con i seguenti DataFrame panda:<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione description()<\/strong> per calcolare le statistiche descrittive per ogni variabile numerica nel DataFrame:<\/span><\/span><\/p>\n Tieni presente che la funzione description()<\/strong> calcola per impostazione predefinita il 25\u00b0, 50\u00b0 e 75\u00b0 percentile per ciascuna variabile.<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione description()<\/strong> con l’argomento percentiles<\/strong> per calcolare il 30\u00b0, 60\u00b0 e 90\u00b0 percentile per ogni variabile numerica nel DataFrame:<\/span><\/p>\n Tieni presente che la funzione description()<\/strong> restituisce il 30\u00b0, 60\u00b0 e 90\u00b0 percentile per ciascuna variabile numerica.<\/span><\/p>\n Nota<\/strong> : la funzione descrive()<\/strong> restituisce anche il 50\u00b0 percentile poich\u00e9 questo rappresenta il valore mediano di ciascuna variabile ed \u00e8 una delle metriche predefinite calcolate dalla funzione descrive()<\/strong> .<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione description()<\/strong> con l’argomento percentiles=[]<\/strong> per non calcolare percentili per ogni variabile numerica nel DataFrame:<\/span><\/p>\n Si noti che il 25\u00b0 e il 75\u00b0 percentile non vengono pi\u00f9 calcolati per ciascuna variabile.<\/span><\/p>\n Tieni presente che il 50\u00b0 percentile \u00e8 sempre incluso nel risultato perch\u00e9 rappresenta il valore mediano<\/a> di ciascuna variabile.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Panda: come usare description() per gruppo<\/a> \u00c8 possibile utilizzare la funzione description() per generare statistiche descrittive per le variabili in un DataFrame panda. Per impostazione predefinita, panda calcola il 25\u00b0, 50\u00b0 e 75\u00b0 percentile per le variabili. Tuttavia, puoi utilizzare l’argomento percentili nella funzione description() per specificare i percentili esatti da calcolare. I seguenti esempi mostrano come utilizzare questo argomento in […]<\/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 Esempio 1: utilizzo di description() con percentili predefiniti<\/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 Esempio 2: utilizzo di description() con percentili personalizzati<\/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 Esempio 3: utilizzo di description() senza percentile<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
Panda: come usare description() e rimuovere la notazione scientifica<\/a>
Panda: come calcolare media, mediana e moda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"