计算数据框中列的汇总统计信息
Posted
技术标签:
【中文标题】计算数据框中列的汇总统计信息【英文标题】:Calculate summary statistics of columns in dataframe 【发布时间】:2014-04-09 17:22:37 【问题描述】:我有一个如下形式的数据框(例如)
shopper_num,is_martian,number_of_items,count_pineapples,birth_country,tranpsortation_method
1,FALSE,0,0,MX,
2,FALSE,1,0,MX,
3,FALSE,0,0,MX,
4,FALSE,22,0,MX,
5,FALSE,0,0,MX,
6,FALSE,0,0,MX,
7,FALSE,5,0,MX,
8,FALSE,0,0,MX,
9,FALSE,4,0,MX,
10,FALSE,2,0,MX,
11,FALSE,0,0,MX,
12,FALSE,13,0,MX,
13,FALSE,0,0,CA,
14,FALSE,0,0,US,
如何使用Pandas计算每列的汇总统计(列数据类型可变,有些列没有信息
然后返回表单的一个数据框:
columnname, max, min, median,
is_martian, NA, NA, FALSE
等等等等
【问题讨论】:
【参考方案1】:describe
可能会为您提供所需的一切,否则您可以使用 groupby 执行聚合并传递 agg 函数列表:http://pandas.pydata.org/pandas-docs/stable/groupby.html#applying-multiple-functions-at-once
In [43]:
df.describe()
Out[43]:
shopper_num is_martian number_of_items count_pineapples
count 14.0000 14 14.000000 14
mean 7.5000 0 3.357143 0
std 4.1833 0 6.452276 0
min 1.0000 False 0.000000 0
25% 4.2500 0 0.000000 0
50% 7.5000 0 0.000000 0
75% 10.7500 0 3.500000 0
max 14.0000 False 22.000000 0
[8 rows x 4 columns]
请注意,某些列无法汇总,因为没有逻辑方法可以汇总它们,例如包含字符串数据的列
您可以随意转置结果:
In [47]:
df.describe().transpose()
Out[47]:
count mean std min 25% 50% 75% max
shopper_num 14 7.5 4.1833 1 4.25 7.5 10.75 14
is_martian 14 0 0 False 0 0 0 False
number_of_items 14 3.357143 6.452276 0 0 0 3.5 22
count_pineapples 14 0 0 0 0 0 0 0
[4 rows x 8 columns]
【讨论】:
【参考方案2】:现在有了pandas_profiling
包,它是df.describe()
的更完整替代方案。
如果您的 pandas 数据框是 df
,下面将返回一个完整的分析,包括一些关于缺失值、偏度等的警告。它还会显示直方图和相关图。
import pandas_profiling
pandas_profiling.ProfileReport(df)
请参阅example notebook 详细说明用法。
【讨论】:
上面的例子链接失效了,使用this【参考方案3】:为了澄清@EdChum 回答中的一点,根据文档,您可以使用df.describe(include='all')
包含对象列。它不会提供很多统计信息,但会提供一些信息,包括计数、唯一值的数量、最高值。这可能是一个新功能,我不知道,因为我是一个相对较新的用户。
【讨论】:
以上是关于计算数据框中列的汇总统计信息的主要内容,如果未能解决你的问题,请参考以下文章
R语言使用skimr包的skim函数查看dataframe特定数据列的summary信息统计汇总信息(Select specific columns to summarize)