Jak obliczyć podsumowanie pięciu liczb w pandach

Podsumowanie pięciocyfrowe to sposób podsumowania zestawu danych przy użyciu następujących pięciu wartości:

• Minimum
• Pierwszy kwartyl
• Mediana
• Trzeci kwartyl
• Maksymalny

Podsumowanie składające się z pięciu liczb jest przydatne, ponieważ zapewnia zwięzłe podsumowanie rozkładu danych w następujący sposób:

• Mówi nam, gdzie jest wartość mediany , używając mediany.
• Informuje nas o rozkładzie danych przy użyciu pierwszego i trzeciego kwartyla.
• Informuje nas o zakresie danych, wykorzystując minimum i maksimum.

Najprostszym sposobem obliczenia pięciocyfrowego podsumowania zmiennych w ramce DataFrame pandy jest użycie funkcji opisu() w następujący sposób:

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

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: Oblicz podsumowanie pięciu liczb w Pandas DataFrame

Załóżmy, że mamy następującą ramkę danych pand, która zawiera informacje o różnych koszykarzach:

 import pandas as pd

#createDataFrame
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
7:28 4 12

Możemy użyć następującej składni, aby obliczyć pięciocyfrowe podsumowanie dla każdej zmiennej numerycznej w ramce 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

Oto jak zinterpretować wynik zmiennej punkty :

• Minimalna wartość to 11 .
• Wartość na 25. percentylu wynosi 14 .
• Wartość 50. percentyla wynosi 18,5 .
• Wartość 75. percentyla wynosi 20,5 .
• Maksymalna wartość to 28 .

W ten sam sposób możemy interpretować wartości zmiennych pomocy i odbicia .

Jeśli chcesz obliczyć tylko pięciocyfrowe podsumowanie dla określonej zmiennej w ramce DataFrame, możesz użyć następującej składni:

 #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

Dane wyjściowe pokazują teraz pięciocyfrowe podsumowanie tylko dla zmiennej punktów .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania związane z pandą:

Pandy: Jak uzyskać liczbę częstotliwości wartości w kolumnie
Pandy: jak obliczyć średnią na grupę
Pandy: jak obliczyć medianę według grupy