Pandas: วิธีใช้ description() สำหรับ mean และ std เท่านั้น

คุณสามารถใช้ฟังก์ชัน อธิบาย() เพื่อสร้าง สถิติเชิงพรรณนา สำหรับตัวแปรใน Pandas DataFrame

ตามค่าเริ่มต้น ฟังก์ชัน อธิบาย() จะคำนวณหน่วยเมตริกต่อไปนี้สำหรับตัวแปรตัวเลขแต่ละตัวใน DataFrame:

• นับ (จำนวนค่า)
• เฉลี่ย (มูลค่าเฉลี่ย)
• มาตรฐาน (ส่วนเบี่ยงเบนมาตรฐาน)
• นาที (ค่าต่ำสุด)
• 25% (เปอร์เซ็นไทล์ที่ 25)
• 50% (เปอร์เซ็นไทล์ที่ 50)
• 75% (เปอร์เซ็นไทล์ที่ 75)
• สูงสุด (ค่าสูงสุด)

อย่างไรก็ตาม คุณสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณเฉพาะค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของตัวแปรตัวเลขแต่ละตัวได้:

 df. describe (). loc [[' mean ', ' std ']]

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: ใช้ description() ใน Pandas เพื่อคำนวณเฉพาะค่าเฉลี่ยและมาตรฐาน

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 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

หากเราใช้ฟังก์ชัน อธิบาย() เราสามารถคำนวณสถิติเชิงพรรณนาสำหรับตัวแปรตัวเลขแต่ละตัวใน DataFrame ได้:

 #calculate descriptive statistics for each numeric variable
df. describe ()

points assists rebounds
count 8.000000 8.00000 8.000000
mean 18.250000 7.75000 8.375000
std 5.365232 2.54951 2.559994
min 11.000000 4.00000 5.000000
25% 14,000000 6,50000 6,000000
50% 18.500000 8.00000 8.500000
75% 20.500000 9.00000 10.250000
max 28.000000 12.00000 12.000000

อย่างไรก็ตาม เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อคำนวณเฉพาะ ค่าเฉลี่ย และ ส่วนเบี่ยงเบนมาตรฐาน ของตัวแปรตัวเลขแต่ละตัว:

 #only calculate mean and standard deviation of each numeric variable
df. describe (). loc [[' mean ', ' std ']]

           points assists rebounds
mean 18.250000 7.75000 8.375000
std 5.365232 2.54951 2.559994

โปรดทราบว่าผลลัพธ์จะรวมเฉพาะค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานสำหรับตัวแปรตัวเลขแต่ละตัวเท่านั้น

โปรดทราบว่าฟังก์ชัน อธิบาย() ยังคงคำนวณสถิติเชิงพรรณนาแต่ละรายการเหมือนเมื่อก่อน แต่เราใช้ฟังก์ชัน loc เพื่อเลือกเฉพาะแถวที่ชื่อ ค่าเฉลี่ย และ มาตรฐาน ในเอาต์พุต

ที่เกี่ยวข้อง: Pandas loc กับ iloc: อะไรคือความแตกต่าง?

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

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