Genera estadísticas descriptivas.
Las estadísticas descriptivas incluyen aquellas que resumen la tendencia central, la dispersión y la forma de la distribución de un conjunto de datos, excluyendo NaN valores.
Analiza series numéricas y de objetos, así como DataFrame conjuntos de columnas de tipos de datos mixtos. La salida variará según lo que se proporcione. Consulte las notas a continuación para obtener más detalles.
- Parámetros
-
- percentiles : lista de números, opcional
-
Los percentiles que se incluirán en la salida. Todos deben estar entre 0 y 1. El valor predeterminado es [.25,.5,.75], que devuelve los percentiles 25, 50 y 75.
- incluir : ‘todos’, tipo lista de dtypes o Ninguno (predeterminado), opcional
-
Una lista blanca de tipos de datos para incluir en el resultado. Ignorado por Series. Estas son las opciones:
-
‘all’: todas las columnas de la entrada se incluirán en la salida.
-
Una lista similar a dtypes: limita los resultados a los tipos de datos proporcionados. Para limitar el resultado a tipos numéricos, envíe numpy.number. Para limitarlo a columnas de objetos, envíe el numpy.object tipo de datos. Las cuerdas también se pueden utilizar en el estilo de select_dtypes (p.ej df.describe(include=['O'])). Para seleccionar columnas categóricas de pandas, use 'category'
-
Ninguno (predeterminado): el resultado incluirá todas las columnas numéricas.
- excluir : tipo lista de tipos o Ninguno (predeterminado), opcional,
-
Una lista negra de tipos de datos para omitir del resultado. Ignorado por Series. Estas son las opciones:
-
Una lista similar a dtypes: excluye los tipos de datos proporcionados del resultado. Para excluir tipos numéricos, envíe numpy.number. Para excluir columnas de objetos, envíe el tipo de datos numpy.object. Las cuerdas también se pueden utilizar en el estilo de select_dtypes (p.ej df.describe(include=['O'])). Para excluir columnas categóricas de pandas, use 'category'
-
Ninguno (predeterminado): el resultado no excluirá nada.
- datetime_is_numeric : bool, predeterminado Falso
-
Ya sea para tratar los tipos de fecha y hora como numéricos. Esto afecta las estadísticas calculadas para la columna. Para la entrada de DataFrame, esto también controla si las columnas de fecha y hora se incluyen de forma predeterminada.
Nuevo en la versión 1.1.0.
- Devoluciones
-
- Serie o DataFrame
-
Se proporcionan estadísticas resumidas de la serie o el marco de datos.
Ver también
DataFrame.count-
Cuente el número de observaciones nulas / no NA.
DataFrame.max-
Máximo de los valores en el objeto.
DataFrame.min-
Mínimo de los valores en el objeto.
DataFrame.mean-
Media de los valores.
DataFrame.std-
Desviación estándar de las observaciones.
DataFrame.select_dtypes-
Subconjunto de un DataFrame que incluye / excluye columnas según su tipo d.
Notas
Para datos numéricos, el índice del resultado incluirá count, mean, std, min, max así como más bajo, 50 y percentiles superiores. Por defecto, el percentil más bajo es 25 y el percentil superior es 75. los 50 el percentil es el mismo que la mediana.
Para los datos del objeto (por ejemplo, cadenas o marcas de tiempo), el índice del resultado incluirá count, unique, top, y freq. los top es el valor más común. los freq es la frecuencia del valor más común. Las marcas de tiempo también incluyen first y last elementos.
Si varios valores de objeto tienen el recuento más alto, entonces el count y top los resultados se elegirán arbitrariamente entre los que tengan el recuento más alto.
Para tipos de datos mixtos proporcionados a través de un DataFrame, el valor predeterminado es devolver solo un análisis de columnas numéricas. Si el marco de datos consta solo de objetos y datos categóricos sin columnas numéricas, el valor predeterminado es devolver un análisis tanto del objeto como de las columnas categóricas. Si include='all' se proporciona como una opción, el resultado incluirá una unión de atributos de cada tipo.
los incluir y excluir Los parámetros se pueden utilizar para limitar qué columnas en un DataFrame se analizan para la salida. Los parámetros se ignoran al analizar un Series.
Ejemplos de
Describiendo un numérico Series.
>>> s = pd.Series([1,2,3])>>> s.describe()
count 3.0
mean 2.0
std 1.0min1.025%1.550%2.075%2.5max3.0
dtype: float64
Describiendo un categórico Series.
>>> s = pd.Series(['a','a','b','c'])>>> s.describe()
count 4
unique 3
top a
freq 2
dtype:object
Describir una marca de tiempo Series.
>>> s = pd.Series([... np.datetime64("2000-01-01"),... np.datetime64("2010-01-01"),... np.datetime64("2010-01-01")...])>>> s.describe(datetime_is_numeric=True)
count 3
mean 2006-09-0108:00:00min2000-01-0100:00:0025%2004-12-3112:00:0050%2010-01-0100:00:0075%2010-01-0100:00:00max2010-01-0100:00:00
dtype:object
Describiendo un DataFrame. De forma predeterminada, solo se devuelven campos numéricos.
>>> df = pd.DataFrame('categorical': pd.Categorical(['d','e','f']),...'numeric':[1,2,3],...'object':['a','b','c']...)>>> df.describe()
numeric
count 3.0
mean 2.0
std 1.0min1.025%1.550%2.075%2.5max3.0
Describiendo todas las columnas de un DataFrame independientemente del tipo de datos.
>>> df.describe(include='all')
categorical numeric object
count 33.03
unique 3 NaN 3
top f NaN a
freq 1 NaN 1
mean NaN 2.0 NaN
std NaN 1.0 NaN
min NaN 1.0 NaN
25% NaN 1.5 NaN
50% NaN 2.0 NaN
75% NaN 2.5 NaN
max NaN 3.0 NaN
Describir una columna de un DataFrame accediendo a él como un atributo.
>>> df.numeric.describe()
count 3.0
mean 2.0
std 1.0min1.025%1.550%2.075%2.5max3.0
Name: numeric, dtype: float64
Incluir solo columnas numéricas en un DataFrame descripción.
>>> df.describe(include=[np.number])
numeric
count 3.0
mean 2.0
std 1.0min1.025%1.550%2.075%2.5max3.0
Incluyendo solo columnas de cadena en un DataFrame descripción.
>>> df.describe(include=[object])object
count 3
unique 3
top a
freq 1
Incluyendo solo columnas categóricas de un DataFrame descripción.
>>> df.describe(include=['category'])
categorical
count 3
unique 3
top d
freq 1
Excluir columnas numéricas de una DataFrame descripción.
>>> df.describe(exclude=[np.number])
categorical object
count 33
unique 33
top f a
freq 11
Excluir columnas de objetos de una DataFrame descripción.
>>> df.describe(exclude=[object])
categorical numeric
count 33.0
unique 3 NaN
top f NaN
freq 1 NaN
mean NaN 2.0
std NaN 1.0min NaN 1.025% NaN 1.550% NaN 2.075% NaN 2.5max NaN 3.0
