pandas.DataFrame.describe

DataFrame.describe(percentiles=None, include=None, exclude=None) [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. Подробности см. в примечаниях ниже.

Параметры:

percentiles : список чисел, необязательно Процентили, которые необходимо включить в вывод. Все они должны находиться в диапазоне от 0 до 1. По умолчанию [.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 вывод. Список типов данных : Ограничивает результаты предоставленными типами данных. Для ограничения результатов только числовыми типами отправьте numpy.number. Для ограничения только 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 категориального 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 указанные типы данных из результата. 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 категориального типа используйте 'category' None (по умолчанию) : Результат ничего не будет исключать.

Возвращаемое значение:

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 процентиль 75. 50 процентиль совпадает с медианой.

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

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

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

Параметры include и exclude могут быть использованы для ограничения столбцов в DataFrame , которые анализируются 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 обращения 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