pandas.core.groupby.DataFrameGroupBy.describe

DataFrameGroupBy.describe(self, **kwargs) [source]

Генерировать описательные статистики, которые суммируют 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. Выход будет зависеть от входных данных. Подробнее см. в примечаниях ниже.

Параметры:

percentiles : list-like of numbers, optional Процентили, которые нужно включить в вывод. Все они должны находиться в интервале от 0 до 1. По умолчанию это [.25, .5, .75], что возвращает 25-й, 50-й и 75-й процентили. include : ‘all’, list-like of dtypes or None (default), optional Белый список типов данных, которые нужно включить в результат. Игнорируется для Series. Доступные варианты: ‘all’ : Все столбцы входных данных будут включены в вывод. Список типов данных : Ограничивает результаты предоставленными типами данных. Для ограничения результата числовыми типами используйте numpy.number. Для ограничения результата строковыми столбцами используйте тип данных numpy.object. Строки также могут быть использованы по аналогии с 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 : list-like of dtypes or None (default), optional, Черный список типов данных, которые нужно исключить из результата. Игнорируется для Series. Доступные варианты: Список типов данных : Исключение предоставленных типов данных из результата. Для исключения числовых типов используйте numpy.number. Для исключения строковых столбцов используйте тип данных numpy.object. Строки также могут быть использованы по аналогии с select_dtypes (например, df.describe(include=['O'])). Для исключения столбцов pandas категориального типа используйте 'category' None (по умолчанию) : Результат ничего не будет исключать.

Возвращает:

Ряд или DataFrame Статистические данные о предоставленном ряду или DataFrame.

См. также

DataFrame.count

Подсчет количества ненулевых/не-NaN наблюдений.

DataFrame.max

Максимальное значение в объекте.

DataFrame.min

Минимальное значение в объекте.

DataFrame.mean

Среднее значение.

DataFrame.std

Стандартное отклонение наблюдений.

DataFrame.select_dtypes

Подмножество DataFrame, включающее/исключающее столбцы на основе их типа данных.

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 совпадает со значением медианы.

Для строковых данных (например, строк или временных меток) индекс результата будет включать count, unique, top, и freq. top — 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 вхождений, то результаты count и top будут произвольно выбраны среди тех, которые имеют наибольшее количество вхождений.

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

Параметры include и exclude можно использовать для ограничения столбцов в DataFrame, которые анализируются для вывода. Эти 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
dtype: float64

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({'categorical': pd.Categorical(['d','e','f']),
...                    'numeric': [1, 2, 3],
...                    'object': ['a', 'b', 'c']
...                   })
>>> 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, обращаясь 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 описании 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 описании DataFrame.

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

Включение только категориальных столбцов в описании 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