pandas.Series.describe

Series.describe(self, percentiles=None, include=None, exclude=None) [source]

Генерировать описательные статистические данные, которые обобщают центральную тенденцию, дисперсию и форму распределения набора данных, исключая значения NaN.

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 : list-like of numbers, optional Процентили, которые следует включить в вывод. Все они должны находиться в диапазоне 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 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 результата числовыми типами отправьте numpy.number. Для ограничения результата строковыми столбцами отправьте тип данных numpy.object. Строки также могут использоваться 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 : list-like of dtypes or None (default), optional, Чёрный список типов данных, которые следует исключить из результата. Игнорируется для Series. Вот варианты: Список типов данных : Исключает предоставленные типы данных из результата. Для исключения числовых типов отправьте numpy.number. Для исключения строковых столбцов отправьте тип данных numpy.object. Строки также могут использоваться 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.

Возвращает:

Ряд или DataFrame Статистические данные о предоставленном ряде или DataFrame.

См. также

DataFrame.count

Подсчёт числа наблюдений, не являющихся NA/null.

DataFrame.max

Максимальное значение в объекте.

DataFrame.min

Минимальное значение в объекте.

DataFrame.mean

Среднее значение.

DataFrame.std

Стандартное отклонение.

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 процентиль — 75. 50 процентиль — это медиана.

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

Если несколько строковых значений имеют наибольший счёт, то результаты count и top будут произвольно выбраны среди тех, которые имеют наибольший счёт.

Для наборов 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 параметра, результат будет включать объединение атрибутов каждого типа.

Параметры include и exclude могут использоваться 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 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 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