Python pandas的describe函数参数示例详解

import pandas as pd
data = {'A': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)
# 指定输出 10%，50% 和 90% 的百分位数
print(df.describe(percentiles=[.1, .5, .9]))

import pandas as pd
data = {'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
# 只统计数值型数据
print(df.describe(include='number'))

import pandas as pd
data = {'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e']}
df = pd.DataFrame(data)
# 排除非数值型数据
print(df.describe(exclude='object'))

import pandas as pd
import datetime as dt
data = {'A': [dt.datetime(2022, 1, 1), dt.datetime(2022, 1, 2), dt.datetime(2022, 1, 3)]}
df = pd.DataFrame(data)
# 将日期时间类型视为数值型数据
print(df.describe(datetime_is_numeric=True))

import pandas as pd
import numpy as np
# 创建一个包含数值型和非数值型数据的DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': ['a', 'b', 'c', 'd', 'e'],
        'C': [1.1, 2.2, 3.3, 4.4, 5.5]}
df = pd.DataFrame(data)
# 输出默认的描述性统计信息
print("默认的描述性统计信息：")
print(df.describe())
# 输出指定百分位数的描述性统计信息
print("\n指定百分位数的描述性统计信息：")
print(df.describe(percentiles=[.1, .5, .9]))
# 只统计数值型数据的描述性统计信息
print("\n只统计数值型数据的描述性统计信息：")
print(df.describe(include='number'))
# 只统计非数值型数据的描述性统计信息
print("\n只统计非数值型数据的描述性统计信息：")
print(df.describe(include='object'))
# 排除数值型数据的描述性统计信息
print("\n排除数值型数据的描述性统计信息：")
print(df.describe(exclude='number'))
# 将日期时间类型视为数值型数据的描述性统计信息
print("\n将日期时间类型视为数值型数据的描述性统计信息：")
date_range = pd.date_range(start='2022-01-01', periods=5)
data = {'A': np.arange(5), 'B': date_range}
df = pd.DataFrame(data)
print(df.describe(datetime_is_numeric=True))

import pandas as pd
# 读取数据集
df = pd.read_csv('data.csv')
# 查看数据的描述统计信息
description = df.describe()
print(description)

import pandas as pd
import matplotlib.pyplot as plt
# 读取数据集
df = pd.read_csv('data.csv')
# 查看数据的描述统计信息
description = df.describe()
# 绘制柱状图展示数据分布
description.plot(kind='bar', figsize=(10, 6))
plt.title('Statistics of Data Distribution')
plt.xlabel('Statistics')
plt.ylabel('Value')
plt.xticks(rotation=45)
plt.legend(loc='upper right')
plt.show()

import pandas as pd
# 读取数据集
df = pd.read_csv('data.csv')
# 查看特征之间的相关性
correlation_matrix = df.corr()
# 输出相关系数矩阵
print(correlation_matrix)