Автор оригинала: Pankaj Kumar.

Как рассчитать сводную статистику в Python?

Чтобы рассчитать сводную статистику в Python, вам нужно использовать .Дописаться () Метод под Пандас Отказ .Describe () Метод Работает как в числовых данных, а также объект данные, такие как строки или временные метки.

Выход для двух будет содержать разные поля. Для числовых данных результат будет включать в себя:

• считать
• иметь в виду
• стандартное отклонение
• минимально
• максимум
• 25 процентилей
• 50 процентилей
• 75 процентов

Для данных объектов Результатом будет включать в себя:

• считать
• уникальный
• вершина
• парус

Рассчитайте сводную статистику в Python с использованием метода описывания ()

В этом руководстве мы увидим, как использовать метод .describe () с числовыми и объектами.

Мы также увидим, как проанализировать большие серии набора данных и временем времени с использованием метода .describe.

Давайте начнем.

1. Сводная статистика для числовых данных

Давайте определим список с номерами от 1 до 6 и попробуйте получить сводную статистику для списка.

Мы начнем, импортируя панды.

import pandas as pd

Теперь мы можем определить серию как:

s = pd.Series([1, 2, 3, 4, 5, 6])

Чтобы отобразить сводную статистику:

s.describe()

Полный код и выход следующие:

import pandas as pd
s = pd.Series([1, 2, 3, 4, 5, 6])
s.describe()

Выход:

count    6.000000
mean     3.500000
std      1.870829
min      1.000000
25%      2.250000
50%      3.500000
75%      4.750000
max      6.000000
dtype: float64

Давайте понять, что означает каждый из ценностей.

2. Сводка статистики для данных объекта Python

Давайте определим серию как набор символов и используйте метод .describe на нем, чтобы рассчитать сводную статистику.

Мы можем определить серию как:

s = pd.Series(['a', 'a', 'b', 'c'])

Чтобы получить сводную статистику:

s.describe()

Полный код и выход следующие:

import pandas
s = pd.Series(['a', 'a', 'b', 'c'])
s.describe()

Выход:

count     4
unique    3
top       a
freq      2
dtype: object

Давайте понять, что каждое из следующих средств:

3. Сводная статистика большого набора данных

Вы можете использовать Pandas, чтобы получить сводную статистику из большого набора данных. Вам просто нужно импортировать набор данных в кадр данных PandaS, а затем использовать метод .describe.

В этом руководстве мы будем использовать Калифорнийское жилье DataSet в качестве образца набора данных.

Давайте начнем, импортируя набор данных CSV, а затем вызовите метод .describe на нем.

import pandas as pd
housing = pd.read_csv("/content/sample_data/california_housing.csv")
housing.describe()

Выход:

Мы видим, что результат содержит сводную статистику для всех столбцов в нашем наборе данных.

4. Сводная статистика для серии Timestamp

Вы можете использовать .describe, чтобы получить сводную статистику для серии Timestamp. Давайте начнем с определения серии Timestamp.

import datetime
import numpy as np
 s = pd.Series([np.datetime64("2000-01-01"),np.datetime64("2010-01-01"),np.datetime64("2010-01-01"),np.datetime64("2002-05-08")])

Теперь вы можете позвонить. OdeCribe на этой серии Timestamp.

 s.describe()

Полный код и выход следующие:

import datetime
import numpy as np
 s = pd.Series([np.datetime64("2000-01-01"),np.datetime64("2010-01-01"),np.datetime64("2010-01-01"),np.datetime64("2002-05-08")])
s.describe()

Выход:

count                       4
unique                      3
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

Вы также можете проинструктировать. Отписаться о лечении DateTime как числовая Отказ Это отобразит результат способом, аналогичным количеству цифровых данных. Вы можете получить средний, средний, 25 процентилей и 75 процентилей в формате DateTime.

Это можно сделать с использованием:

s.describe(datetime_is_numeric=True)

Вывод выглядит следующим образом:

count                      4
mean     2005-08-03 00:00:00
min      2000-01-01 00:00:00
25%      2001-10-05 12:00:00
50%      2006-03-05 12:00:00
75%      2010-01-01 00:00:00
max      2010-01-01 00:00:00

Вы можете видеть, что результат содержит средний, средний, 25-й процентильный и 75-й процентиль в формате DateTime.

Заключение

В этом руководстве было о вычислении сводки статистики в Python. Мы рассмотрели числовые данные, данные объекта, большие наборы набора данных и серии Timestamp, чтобы рассчитать сводную статистику.