<\/p>\n
Voc\u00ea pode usar a fun\u00e7\u00e3o description()<\/strong> para gerar estat\u00edsticas descritivas<\/a> para vari\u00e1veis em um DataFrame do pandas.<\/span><\/p>\n Para remover a nota\u00e7\u00e3o cient\u00edfica da sa\u00edda da fun\u00e7\u00e3o description()<\/strong> , voc\u00ea pode usar os seguintes m\u00e9todos:<\/span><\/p>\n M\u00e9todo 1: Remova a nota\u00e7\u00e3o cient\u00edfica ao usar description() com uma coluna<\/strong><\/span><\/p>\n M\u00e9todo 2: Remova a nota\u00e7\u00e3o cient\u00edfica ao usar description() com m\u00faltiplas colunas<\/strong><\/span><\/p>\n Os exemplos a seguir mostram como usar cada m\u00e9todo na pr\u00e1tica com o seguinte DataFrame do pandas:<\/span><\/p>\n Se usarmos a fun\u00e7\u00e3o description()<\/strong> para calcular estat\u00edsticas descritivas para a coluna de vendas<\/strong> , os valores de sa\u00edda ser\u00e3o exibidos em nota\u00e7\u00e3o cient\u00edfica:<\/span><\/p>\n Observe que cada um dos valores de sa\u00edda \u00e9 exibido em nota\u00e7\u00e3o cient\u00edfica.<\/span><\/span><\/p>\n Podemos usar a seguinte sintaxe para remover a nota\u00e7\u00e3o cient\u00edfica da sa\u00edda:<\/span><\/span><\/p>\n Observe que os valores na sa\u00edda agora s\u00e3o exibidos sem nota\u00e7\u00e3o cient\u00edfica.<\/span><\/p>\n Se usarmos a fun\u00e7\u00e3o description()<\/strong> para calcular estat\u00edsticas descritivas para cada coluna num\u00e9rica, os valores de sa\u00edda ser\u00e3o exibidos em nota\u00e7\u00e3o cient\u00edfica:<\/span><\/p>\n Observe que cada um dos valores de sa\u00edda \u00e9 exibido em nota\u00e7\u00e3o cient\u00edfica.<\/span><\/p>\n Podemos usar a seguinte sintaxe para remover a nota\u00e7\u00e3o cient\u00edfica da sa\u00edda:<\/span><\/p>\n Observe que os valores na sa\u00edda agora s\u00e3o exibidos sem nota\u00e7\u00e3o cient\u00edfica.<\/span><\/p>\n Observe que neste exemplo usamos 0:.5f<\/strong> para exibir 5<\/strong> casas decimais na sa\u00edda.<\/span><\/p>\n Sinta-se \u00e0 vontade para substituir 5<\/strong> por um n\u00famero diferente para exibir um n\u00famero diferente de casas decimais.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Pandas: como calcular a soma acumulada por grupo<\/a> Voc\u00ea pode usar a fun\u00e7\u00e3o description() para gerar estat\u00edsticas descritivas para vari\u00e1veis em um DataFrame do pandas. Para remover a nota\u00e7\u00e3o cient\u00edfica da sa\u00edda da fun\u00e7\u00e3o description() , voc\u00ea pode usar os seguintes m\u00e9todos: M\u00e9todo 1: Remova a nota\u00e7\u00e3o cient\u00edfica ao usar description() com uma coluna df[‘ my_column ‘]. describe (). apply ( lambda x: […]<\/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":[],"class_list":["post-4318","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df[' my_column<\/span> ']. describe<\/span> (). apply<\/span> ( lambda<\/span> x: format<\/span> (x, ' f<\/span> '))<\/strong><\/span><\/pre>\n df. describe<\/span> (). apply<\/span> ( lambda<\/span> x: x.apply<\/span> (' {0:.5f}<\/span> '. format<\/span> ))\n<\/strong><\/span><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' sales<\/span> ': [8450550, 406530, 53000, 6000, 2000, 4000, 5400, 6500],\n ' returns<\/span> ':[2212200, 145200, 300, 2500, 700, 600, 800, 1200]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n store sales returns\n0 A 8450550 2212200\n1 A 406530 145200\n2 A 53000 300\n3 A 6000 2500\n4 B 2000 700\n5 B 4000 600\n6 B 5400 800\n7 B 6500 1200<\/strong><\/span><\/pre>\n Exemplo 1: Remova a nota\u00e7\u00e3o cient\u00edfica ao usar description() com uma coluna<\/strong><\/span><\/h2>\n
#calculate descriptive statistics for sales column\ndf[' sales<\/span> ']. describe<\/span> ()\n<\/span>\n<\/span>count 8.000000e+00\nmean 1.116748e+06\nstd 2.966552e+06\nmin 2.000000e+03\n25% 5.050000e+03\n50% 6.250000e+03\n75% 1.413825e+05\nmax 8.450550e+06\nName: sales, dtype: float64<\/strong><\/pre>\n #calculate descriptive statistics for sales column and suppress scientific notation<\/span>\ndf[' sales<\/span> ']. describe<\/span> (). apply<\/span> ( lambda<\/span> x: format<\/span> (x, ' f<\/span> '))\n\ncount 8.000000\nmean 1116747.500000\nstd 2966551.594104\nmin 2000.000000\n25% 5050.000000\n50% 6250.000000\n75% 141382.500000\nmax 8450550.000000\nName: sales, dtype: object\n<\/strong><\/span><\/pre>\n Exemplo 2: Remova a nota\u00e7\u00e3o cient\u00edfica ao usar description() com m\u00faltiplas colunas<\/strong><\/span><\/h2>\n
#calculate descriptive statistics for each numeric column\ndf. describe<\/span> ()\n<\/span><\/span>\n sales returns\ncount 8.000000e+00 8.000000e+00\nmean 1.116748e+06 2.954375e+05\nstd 2.966552e+06 7.761309e+05\nmin 2.000000e+03 3.000000e+02\n25% 5.050000e+03 6.750000e+02\n50% 6.250000e+03 1.000000e+03\n75% 1.413825e+05 3.817500e+04\nmax 8.450550e+06 2.212200e+06<\/strong><\/pre>\n #calculate descriptive statistics for numerical columns and suppress scientific notation<\/span>\ndf. describe<\/span> (). apply<\/span> ( lambda<\/span> x: x.apply<\/span> (' {0:.5f}<\/span> '. format<\/span> ))\n\n sales returns\ncount 8.00000 8.00000\nmean 1116747.50000 295437.50000\nstd 2966551.59410 776130.93692\nmin 2000.00000 300.00000\n25% 5050.00000 675.00000\n50% 6250.00000 1000.00000\n75% 141382.50000 38175.00000\nmax 8450550.00000 2212200.00000\n<\/strong><\/span><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Pandas: como contar valores \u00fanicos por grupo<\/a>
Pandas: como calcular a correla\u00e7\u00e3o por grupo<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"