Hoe de functie describe() in panda's te gebruiken (met voorbeelden)

U kunt de functie beschrijven() gebruiken om beschrijvende statistieken te genereren voor een pandas DataFrame.

Deze functie gebruikt de volgende basissyntaxis:

 df. describe ()

De volgende voorbeelden laten zien hoe u deze syntaxis in de praktijk kunt gebruiken met de volgende panda’s DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
df

	team points assists rebounds
0 to 25 5 11
1 to 12 7 8
2 B 15 7 10
3 B 14 9 6
4 B 19 12 6
5 C 23 9 5
6 C 25 9 9
7 C 29 4 12

Voorbeeld 1: Beschrijf alle numerieke kolommen

Standaard genereert de functie beschrijven() alleen beschrijvende statistieken voor de numerieke kolommen van een pandas DataFrame:

 #generate descriptive statistics for all numeric columns
df. describe ()

	points assists rebounds
count 8.000000 8.00000 8.000000
mean 20.250000 7.75000 8.375000
std 6.158618 2.54951 2.559994
min 12.000000 4.00000 5.000000
25% 14.750000 6.50000 6.000000
50% 21.000000 8.00000 8.500000
75% 25,000000 9,00000 10,250000
max 29.000000 12.00000 12.000000

Beschrijvende statistieken worden weergegeven voor de drie numerieke kolommen van het DataFrame.

Opmerking: als er in kolommen waarden ontbreken, zullen Panda’s deze waarden automatisch uitsluiten bij het berekenen van beschrijvende statistieken.

Voorbeeld 2: beschrijf alle kolommen

Om beschrijvende statistieken voor elke kolom van het DataFrame te berekenen, kunnen we het argument include=’all‘ gebruiken:

 #generate descriptive statistics for all columns
df. describe (include=' all ')

	team points assists rebounds
count 8 8.000000 8.00000 8.000000
single 3 NaN NaN NaN
top B NaN NaN NaN
freq 3 NaN NaN NaN
mean NaN 20.250000 7.75000 8.375000
std NaN 6.158618 2.54951 2.559994
min NaN 12.000000 4.00000 5.000000
25% NaN 14.750000 6.50000 6.000000
50% NaN 21.000000 8.00000 8.500000
75% NaN 25.000000 9.00000 10.250000
max NaN 29.000000 12.00000 12.000000

Voorbeeld 3: Beschrijf specifieke kolommen

De volgende code laat zien hoe u beschrijvende statistieken berekent voor een specifieke kolom van het panda’s DataFrame:

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

count 8.000000
mean 20.250000
std 6.158618
min 12.000000
25% 14.750000
50% 21,000000
75% 25,000000
max 29.000000
Name: points, dtype: float64

De volgende code laat zien hoe u beschrijvende statistieken voor verschillende specifieke kolommen berekent:

 #calculate descriptive statistics for 'points' and 'assists' columns only
df[[' points ', ' assists ']]. describe ()

	assist points
count 8.000000 8.00000
mean 20.250000 7.75000
std 6.158618 2.54951
min 12.000000 4.00000
25% 14.750000 6.50000
50% 21,000000 8,00000
75% 25.000000 9.00000
max 29.000000 12.00000

U kunt de volledige documentatie voor de functie beschrijven() hier vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende functies in panda’s kunt uitvoeren:

Panda’s: unieke waarden in een kolom vinden
Panda’s: hoe je het verschil tussen twee lijnen kunt vinden
Panda’s: ontbrekende waarden tellen in DataFrame