pandas.core.groupby.SeriesGroupBy.describe

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

Генерация описательной статистики.

Описательная статистика включает в себя те, 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 отличаться в зависимости от предоставленных данных. Подробнее см. в примечаниях ниже.

Параметры:

percentiles:список чисел, необязательно

Процентили, которые нужно 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 нужно 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. Чтобы ограничить результат числовыми типами, передайте numpy.number. Чтобы ограничить его строковыми столбцами, передайте тип данных numpy.object. Строки также могут быть использованы в стиле select_dtypes (например, df.describe(include=['O'])). Для выбора столбцов типа pandas категория 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 нужно исключить из результата. Игнорируется для Series. Вот варианты:

• Список типов данных : Исключает указанные типы данных из результата. Чтобы исключить числовые типы, передайте numpy.number. Чтобы исключить строковые столбцы, передайте тип данных numpy.object. Строки также могут быть использованы в стиле select_dtypes (например, df.describe(exclude=['O'])). Чтобы исключить столбцы типа pandas категория, используйте 'category'

• None (по умолчанию) : Ничего не будет исключено.

Возвращаемое значение:

Series или DataFrame

Статистические сводки предоставленного ряда или DataFrame.

См. также

DataFrame.count

Подсчет количества наблюдений без пропусков/Null.

DataFrame.max

Максимальное значение в объекте.

DataFrame.min

Минимальное значение в объекте.

DataFrame.mean

Среднее значение.

DataFrame.std

Среднеквадратическое отклонение.

DataFrame.select_dtypes

Подмножество DataFrame, включая/исключая столбцы на основе их типа.

Примечания

Для числовых данных индекс результата будет содержать 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 содержать count, unique, top, и freq. top — это наиболее часто встречающееся значение. freq — это частота наиболее часто встречающегося значения. Временные метки также включают first и last элементы.

Если несколько строковых значений имеют одинаковую максимальную частоту, то count и top результаты будут выбраны произвольно среди тех, у которых максимальная частота.

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, по умолчанию возвращается анализ как строковых, так и категориальных столбцов. Если include='all' используется в качестве опции, результат будет включать объединение атрибутов каждого типа.

Параметры include и exclude могут использоваться для ограничения анализа столбцов в DataFrame 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
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
mean     2006-09-01 08:00:00
min      2000-01-01 00:00:00
25%      2004-12-31 12:00:00
50%      2010-01-01 00:00:00
75%      2010-01-01 00:00:00
max      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      a
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 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=[object])  
       object
count       3
unique      3
top         a
freq        1

Включение только категориальных столбцов в описании DataFrame.

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

Исключение числовых столбцов из описания DataFrame.

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

Исключение строковых столбцов из описания DataFrame.

>>> df.describe(exclude=[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