一、初识describe()函数

  在数据分析和处理的过程中，我们经常需要了解数据的基本统计信息，如均值、标准差、最小值、最大值等。pandas库中的describe()函数为我们提供了这样的功能，它可以快速生成数据集的描述性统计信息。

二、describe()函数的基本用法

  describe()函数是pandas库中DataFrame和Series对象的一个方法，它默认返回以下统计信息：

• count：非空值的数量
• mean：平均值
• std：标准差
• min：最小值
• 25%：第一四分位数（Q1）-----数据总数除以4，就是第一四分位数
• 50%：第二四分位数（中位数，Q2）-----数据总数除以4*2，就是第二四分位数
• 75%：第三四分位数（Q3）-----数据总数除以4*3，就是第三四分位数
• max：最大值

使用示例：

1 2 3 4 5 6 7 8 9 10 11

import pandas as pd # 创建一个简单的DataFrame data = {     'A': [1, 2, 3, 4, 5],     'B': [5, 4, 3, 2, 1],     'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data) # 使用describe()函数 description = df.describe() print(description)

输出：

              A         B          C
count  5.000000  5.000000   5.000000
mean   3.000000  3.000000  30.000000
std    1.581139  1.581139  15.811388
min    1.000000  1.000000  10.000000
25%    2.000000  2.000000  20.000000
50%    3.000000  3.000000  30.000000
75%    4.000000  4.000000  40.000000
max    5.000000  5.000000  50.000000

三、定制describe()函数的输出

  describe()函数提供了多个参数，允许我们定制输出的统计信息。

• percentiles：指定要包括的其他百分位数，例如percentiles=[.25, .5, .75]将返回第一、第二和第三四分位数。
• include：指定要包括的数据类型，默认为'all'，可以设置为'all', 'nums', 或 'object'。
• exclude：指定要排除的数据类型。

使用示例：

1 2 3 4 5 6 7 8 9 10 11

import pandas as pd # 创建一个简单的DataFrame data = {     'A': [1, 2, 3, 4, 5],     'B': [5, 4, 3, 2, 1],     'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data) # 使用describe()函数定制输出 custom_description = df.describe(percentiles=[.30, .60, .90]) print(custom_description)

输出：

              A         B          C
count  5.000000  5.000000   5.000000
mean   3.000000  3.000000  30.000000
std    1.581139  1.581139  15.811388
min    1.000000  1.000000  10.000000
30%    2.200000  2.200000  22.000000
50%    3.000000  3.000000  30.000000
60%    3.400000  3.400000  34.000000
90%    4.600000  4.600000  46.000000
max    5.000000  5.000000  50.000000

四、describe()函数与数据可视化

  describe()函数输出的统计信息经常与数据可视化结合使用，以更直观地了解数据的分布。例如，我们可以使用matplotlib库来绘制箱线图（boxplot）。

使用示例：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import pandas as pd from matplotlib import pyplot as plt # 创建一个简单的DataFrame data = {     'A': [1, 2, 3, 4, 5],     'B': [5, 4, 3, 2, 1],     'C': [10, 20, 30, 40, 50] } df = pd.DataFrame(data) # 使用describe()函数定制输出 custom_description = df.describe(percentiles=[.30, .60, .90]) print(custom_description) # 绘制箱线图 df.boxplot() plt.show()

效果展示：

 五、深入理解统计指标

  了解describe()函数输出的统计指标对于正确解读数据至关重要。例如，标准差可以告诉我们数据集的离散程度，中位数则可以告诉我们数据集的中心趋势，而不受极端值的影响。