Comment calculer un résumé de cinq nombres dans Pandas

Un résumé à cinq chiffres est un moyen de résumer un ensemble de données en utilisant les cinq valeurs suivantes :

• Le minimum
• Le premier quartile
• La médiane
• Le troisième quartile
• Le maximum

Le résumé en cinq chiffres est utile car il fournit un résumé concis de la distribution des données de la manière suivante :

• Il nous indique où se situe la valeur médiane , en utilisant la médiane.
• Il nous indique la répartition des données, en utilisant les premier et troisième quartiles.
• Il nous indique la plage des données, en utilisant le minimum et le maximum.

Le moyen le plus simple de calculer un résumé à cinq nombres pour les variables dans un DataFrame pandas est d’utiliser la fonction décrire() comme suit :

df.describe().loc[['min', '25%', '50%', '75%', 'max']]

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : calculer un résumé de cinq nombres dans Pandas DataFrame

Supposons que nous ayons le DataFrame pandas suivant qui contient des informations sur divers joueurs de basket-ball :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   'points': [18, 22, 19, 14, 14, 11, 20, 28],
                   'assists': [5, 7, 7, 9, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print(df)

  team  points  assists  rebounds
0    A      18        5        11
1    B      22        7         8
2    C      19        7        10
3    D      14        9         6
4    E      14       12         6
5    F      11        9         5
6    G      20        9         9
7    H      28        4        12

Nous pouvons utiliser la syntaxe suivante pour calculer le résumé à cinq nombres pour chaque variable numérique du DataFrame :

#calculate five number summary for each numeric variable
df.describe().loc[['min', '25%', '50%', '75%', 'max']]

      points assists rebounds
min	11.0	 4.0	 5.00
25%	14.0	 6.5	 6.00
50%	18.5	 8.0	 8.50
75%	20.5	 9.0	10.25
max	28.0	12.0	12.00

Voici comment interpréter le résultat de la variable points :

• La valeur minimale est 11 .
• La valeur au 25e percentile est 14 .
• La valeur au 50e centile est de 18,5 .
• La valeur au 75e centile est de 20,5 .
• La valeur maximale est de 28 .

Nous pouvons interpréter les valeurs des variables d’aide et de rebond de la même manière.

Si vous souhaitez uniquement calculer le résumé à cinq nombres pour une variable spécifique dans le DataFrame, vous pouvez utiliser la syntaxe suivante :

#calculate five number summary for the points variable
df['points'].describe().loc[['min', '25%', '50%', '75%', 'max']]

min    11.0
25%    14.0
50%    18.5
75%    20.5
max    28.0
Name: points, dtype: float64

La sortie affiche désormais le résumé à cinq chiffres uniquement pour la variable de points .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes chez les pandas :

Pandas : Comment obtenir le nombre de fréquences des valeurs dans une colonne
Pandas : comment calculer la moyenne par groupe
Pandas : comment calculer la médiane par groupe