pandas.core.groupby.DataFrameGroupBy.describe

DataFrameGroupBy.describe(**kwargs) [source]

Генерирует описательные статистики, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая NaN значения.

Анализирует как числовые, так и строковые ряды, а также DataFrame наборы столбцов смешанных типов данных. Вывод будет зависеть от предоставленных данных. Дополнительные сведения см. в примечаниях ниже.

Параметры:

percentiles : список чисел, необязательно Процентили, которые следует включить в вывод. Все они должны находиться в диапазоне от 0 до 1. По умолчанию используется [.25, .5, .75], что возвращает 25-й, 50-й и 75-й процентили. include : ‘all’, список типов данных или None (по умолчанию), необязательно Белый список типов данных, которые следует включить в результат. Игнорируется для Series. Вот варианты: ‘all’ : Все столбцы входных данных будут включены в выходные данные. Список типов данных : Ограничивает результаты предоставленными типами данных. Для ограничения результата числовыми типами отправьте numpy.number. Для ограничения результата строковыми столбцами отправьте тип данных numpy.object. Строки также могут быть использованы в стиле select_dtypes (например, df.describe(include=['O'])). Для выбора столбцов pandas категорийного типа используйте 'category' None (по умолчанию) : Результат будет включать все числовые столбцы. exclude : список типов данных или None (по умолчанию), необязательно, Черный список типов данных, которые следует исключить из результата. Игнорируется для Series. Вот варианты: Список типов данных : Исключает из результата предоставленные типы данных. Для исключения числовых типов отправьте numpy.number. Для исключения строковых столбцов отправьте тип данных numpy.object. Строки также могут быть использованы в стиле select_dtypes (например, df.describe(include=['O'])). Для исключения столбцов pandas категорийного типа используйте 'category' None (по умолчанию) : Результат ничего не будет исключать.

Возвращает:

summary: Ряд/таблица сводных статистик

См. также

DataFrame.count, DataFrame.max, DataFrame.min, DataFrame.mean, DataFrame.std, DataFrame.select_dtypes

Примечания

Для числовых данных индекс результата будет включать count, mean, std, min, max а также нижние, 50 и верхние процентили. По умолчанию нижний процентиль — 25, а верхний — 75. 50 процентиль — то же, что и медиана.

Для строковых данных (например, строк или временных меток) индекс результата будет включать count, unique, top, и freq. top — это наиболее часто встречающееся значение. freq — частота наиболее часто встречающегося значения. Временные метки также включают элементы first и last.

Если несколько строковых значений имеют наибольшее количество, то результаты count и top будут произвольно выбраны из тех, которые имеют наибольшее количество.

Для смешанных типов данных, предоставленных через DataFrame, по умолчанию возвращается только анализ числовых столбцов. Если фрейм данных состоит только из строковых и категориальных данных без числовых столбцов, по умолчанию возвращается анализ и строковых, и категориальных столбцов. Если include='all' предоставлен в качестве опции, результат будет включать объединение атрибутов каждого типа.

Параметры include и exclude могут использоваться для ограничения столбцов в DataFrame, анализируемых для вывода. Параметры игнорируются при анализе Series.

Примеры

Описание числового Series.

>>> s = pd.Series([1, 2, 3])
>>> s.describe()
count    3.0
mean     2.0
std      1.0
min      1.0
25%      1.5
50%      2.0
75%      2.5
max      3.0

Описание категориального Series.

>>> s = pd.Series(['a', 'a', 'b', 'c'])
>>> s.describe()
count     4
unique    3
top       a
freq      2
dtype: object

Описание временной метки Series.

>>> s = pd.Series([
...   np.datetime64("2000-01-01"),
...   np.datetime64("2010-01-01"),
...   np.datetime64("2010-01-01")
... ])
>>> s.describe()
count                       3
unique                      2
top       2010-01-01 00:00:00
freq                        2
first     2000-01-01 00:00:00
last      2010-01-01 00:00:00
dtype: object

Описание DataFrame. По умолчанию возвращаются только числовые поля.

>>> df = pd.DataFrame({ 'object': ['a', 'b', 'c'],
...                     'numeric': [1, 2, 3],
...                     'categorical': pd.Categorical(['d','e','f'])
...                   })
>>> df.describe()
       numeric
count      3.0
mean       2.0
std        1.0
min        1.0
25%        1.5
50%        2.0
75%        2.5
max        3.0

Описание всех столбцов DataFrame независимо от типа данных.

>>> df.describe(include='all')
        categorical  numeric object
count            3      3.0      3
unique           3      NaN      3
top              f      NaN      c
freq             1      NaN      1
mean           NaN      2.0    NaN
std            NaN      1.0    NaN
min            NaN      1.0    NaN
25%            NaN      1.5    NaN
50%            NaN      2.0    NaN
75%            NaN      2.5    NaN
max            NaN      3.0    NaN

Описание столбца из DataFrame путем доступа к нему как к атрибуту.

>>> df.numeric.describe()
count    3.0
mean     2.0
std      1.0
min      1.0
25%      1.5
50%      2.0
75%      2.5
max      3.0
Name: numeric, dtype: float64

Включение только числовых столбцов в описание DataFrame.

>>> df.describe(include=[np.number])
       numeric
count      3.0
mean       2.0
std        1.0
min        1.0
25%        1.5
50%        2.0
75%        2.5
max        3.0

Включение только строковых столбцов в описание DataFrame.

>>> df.describe(include=[np.object])
       object
count       3
unique      3
top         c
freq        1

Включение только категориальных столбцов из описания DataFrame.

>>> df.describe(include=['category'])
       categorical
count            3
unique           3
top              f
freq             1

Исключение числовых столбцов из описания DataFrame.

>>> df.describe(exclude=[np.number])
       categorical object
count            3      3
unique           3      3
top              f      c
freq             1      1

Исключение строковых столбцов из описания DataFrame.

>>> df.describe(exclude=[np.object])
        categorical  numeric
count            3      3.0
unique           3      NaN
top              f      NaN
freq             1      NaN
mean           NaN      2.0
std            NaN      1.0
min            NaN      1.0
25%            NaN      1.5
50%            NaN      2.0
75%            NaN      2.5
max            NaN      3.0