Pandas : comment utiliser décrire() et supprimer la notation scientifique

Vous pouvez utiliser la fonction décrire() pour générer des statistiques descriptives pour les variables dans un DataFrame pandas.

Pour supprimer la notation scientifique dans la sortie de la fonction décrire() , vous pouvez utiliser les méthodes suivantes :

Méthode 1 : supprimer la notation scientifique lors de l’utilisation describe() avec une colonne

df['my_column'].describe().apply(lambda x: format(x, 'f'))

Méthode 2 : supprimer la notation scientifique lors de l’utilisation describe() avec plusieurs colonnes

df.describe().apply(lambda x: x.apply('{0:.5f}'.format))

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'store': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'sales': [8450550, 406530, 53000, 6000, 2000, 4000, 5400, 6500],
                   'returns':[2212200, 145200, 300, 2500, 700, 600, 800, 1200]})

#view DataFrame
print(df)

  store    sales  returns
0     A  8450550  2212200
1     A   406530   145200
2     A    53000      300
3     A     6000     2500
4     B     2000      700
5     B     4000      600
6     B     5400      800
7     B     6500     1200

Exemple 1 : supprimer la notation scientifique lors de l’utilisation describe() avec une colonne

Si nous utilisons la fonction décrire() pour calculer des statistiques descriptives pour la colonne des ventes , les valeurs de la sortie seront affichées en notation scientifique :

#calculate descriptive statistics for sales column
df['sales'].describe()

count    8.000000e+00
mean     1.116748e+06
std      2.966552e+06
min      2.000000e+03
25%      5.050000e+03
50%      6.250000e+03
75%      1.413825e+05
max      8.450550e+06
Name: sales, dtype: float64

Notez que chacune des valeurs de la sortie est affichée en utilisant la notation scientifique.

Nous pouvons utiliser la syntaxe suivante pour supprimer la notation scientifique dans la sortie :

#calculate descriptive statistics for sales column and suppress scientific notation
df['sales'].describe().apply(lambda x: format(x, 'f'))

count          8.000000
mean     1116747.500000
std      2966551.594104
min         2000.000000
25%         5050.000000
50%         6250.000000
75%       141382.500000
max      8450550.000000
Name: sales, dtype: object

Notez que les valeurs dans la sortie sont désormais affichées sans notation scientifique.

Exemple 2 : supprimer la notation scientifique lors de l’utilisation describe() avec plusieurs colonnes

Si nous utilisons la fonction décrire() pour calculer des statistiques descriptives pour chaque colonne numérique, les valeurs de la sortie seront affichées en notation scientifique :

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

               sales	     returns
count	8.000000e+00	8.000000e+00
mean	1.116748e+06	2.954375e+05
std	2.966552e+06	7.761309e+05
min	2.000000e+03	3.000000e+02
25%	5.050000e+03	6.750000e+02
50%	6.250000e+03	1.000000e+03
75%	1.413825e+05	3.817500e+04
max	8.450550e+06	2.212200e+06

Notez que chacune des valeurs de la sortie est affichée en utilisant la notation scientifique.

Nous pouvons utiliser la syntaxe suivante pour supprimer la notation scientifique dans la sortie :

#calculate descriptive statistics for numeric columns and suppress scientific notation
df.describe().apply(lambda x: x.apply('{0:.5f}'.format))

                sales	      returns
count	      8.00000	      8.00000
mean	1116747.50000	 295437.50000
std	2966551.59410	 776130.93692
min	   2000.00000	    300.00000
25%	   5050.00000	    675.00000
50%	   6250.00000	   1000.00000
75%	 141382.50000	  38175.00000
max	8450550.00000	2212200.00000

Notez que les valeurs dans la sortie sont désormais affichées sans notation scientifique.

Notez que dans cet exemple, nous avons utilisé 0:.5f pour afficher 5 décimales dans la sortie.

N’hésitez pas à remplacer le 5 par un nombre différent pour afficher un nombre de décimales différent.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Pandas : comment calculer la somme cumulée par groupe
Pandas : comment compter les valeurs uniques par groupe
Pandas : comment calculer la corrélation par groupe