Pandas: วิธีใช้ description() สำหรับตัวแปรหมวดหมู่

ตามค่าเริ่มต้น ฟังก์ชัน อธิบาย() ในแพนด้าจะคำนวณสถิติเชิงพรรณนาสำหรับตัวแปรตัวเลขทั้งหมดใน DataFrame

อย่างไรก็ตาม คุณยังสามารถใช้วิธีการต่อไปนี้เพื่อคำนวณสถิติเชิงพรรณนาสำหรับ ตัวแปรประเภทได้ :

วิธีที่ 1: คำนวณสถิติเชิงพรรณนาสำหรับตัวแปรหมวดหมู่

 df. describe (include=' object ')

วิธีนี้จะคำนวณ count , Unique , top และ freq สำหรับตัวแปรหมวดหมู่แต่ละตัวใน DataFrame

วิธีที่ 2: คำนวณสถิติเชิงพรรณนาเชิงหมวดหมู่สำหรับตัวแปรทั้งหมด

 df. astype (' object '). describe ()

วิธีนี้จะคำนวณ count , Unique , top และ freq สำหรับแต่ละตัวแปรใน DataFrame

ตัวอย่างต่อไปนี้แสดงวิธีการใช้แต่ละวิธีกับ DataFrame ของ pandas ต่อไปนี้ซึ่งมี ข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 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

ตัวอย่างที่ 1: คำนวณสถิติเชิงพรรณนาสำหรับตัวแปรหมวดหมู่

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณสถิติเชิงพรรณนาสำหรับตัวแปรหมวดหมู่แต่ละตัวใน DataFrame:

 #calculate descriptive statistics for categorical variables only
df. describe (include=' object ')

team
count 8
single 8
top A
freq 1

ผลลัพธ์จะแสดงสถิติเชิงพรรณนาต่างๆ สำหรับตัวแปรหมวดหมู่เดี่ยว ( team ) ใน DataFrame

ต่อไปนี้เป็นวิธีการตีความผลลัพธ์:

• count : มี 8 ค่าในคอลัมน์ทีม
• ไม่ซ้ำกัน : มีค่าไม่ซ้ำกัน 8 ค่าในคอลัมน์ทีม
• top : ค่า “top” (เช่น ค่าสูงสุดในตัวอักษร) คือ A
• ความถี่ : ค่าสูงสุดนี้ปรากฏ 1 ครั้ง

ตัวอย่างที่ 2: คำนวณสถิติเชิงพรรณนาเชิงหมวดหมู่สำหรับตัวแปรทั้งหมด

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณ count , Unique , top และ freq สำหรับแต่ละตัวแปรใน DataFrame:

 #calculate categorical descriptive statistics for all variables
df. astype (' object '). describe ()

        team points assists rebounds
count 8 8 8 8
single 8 7 5 7
top A 14 9 6
freq 1 2 3 2

เอาต์พุตจะแสดง จำนวน , ไม่ซ้ำกัน , ด้านบน และ ความถี่ สำหรับแต่ละตัวแปรใน DataFrame รวมถึงตัวแปรตัวเลข

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

Pandas: วิธีใช้ description() ตามกลุ่ม
Pandas: วิธีใช้ description() ด้วยเปอร์เซ็นไทล์เฉพาะ
Pandas: วิธีใช้ description() และลบสัญลักษณ์ทางวิทยาศาสตร์