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

4统计信息

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)

如何根据使用 dplyr 的组上的聚合函数计算新列(在汇总统计信息上添加汇总统计信息)?

在计算其他汇总统计信息的同时使用 n()

jqgrid怎么统计一列的值?

如何在单个查询中计算不同类型列的流数据帧的统计信息?