dask_expr._collection.DataFrame.describe
dask_expr._collection.DataFrame.describe¶
- DataFrame.describe(split_every=False, percentiles=None, percentiles_method='default', include=None, exclude=None)[源代码]¶
生成描述性统计数据。
此文档字符串是从 pandas.core.frame.DataFrame.describe 复制而来的。
Dask 版本可能存在一些不一致性。
描述性统计包括那些总结数据集分布的中心趋势、离散度和形状的统计量，不包括
NaN值。分析数值和对象序列，以及混合数据类型的
DataFrame列集合。输出将根据提供的内容而变化。请参阅下面的注释以获取更多详细信息。- 参数
- 百分位数数字列表，可选
要在输出中包含的百分位数。所有值应在0到1之间。默认值是
[.25, .5, .75]，这将返回第25、50和75百分位数。- 包含‘all’, 类似列表的 dtypes 或 None (默认), 可选
要在结果中包含的数据类型的白名单。对于
Series忽略。以下是选项：‘all’ : 输入中的所有列都将包含在输出中。
数据类型列表 : 将结果限制为提供的数据类型。要将结果限制为数值类型，请提交
numpy.number。要将其限制为对象列，请提交numpy.object数据类型。字符串也可以用于select_dtypes的风格（例如df.describe(include=['O'])）。要选择 pandas 分类列，请使用'category'None (默认) : 结果将包含所有数值列。
- 排除dtypes 或 None 的类列表（默认），可选，
要从结果中省略的数据类型的黑名单。对于
Series忽略。以下是选项：类似列表的 dtypes : 从结果中排除提供的数据类型。要排除数值类型，请提交
numpy.number。要排除对象列，请提交数据类型numpy.object。字符串也可以用于select_dtypes的风格（例如df.describe(exclude=['O'])）。要排除 pandas 分类列，请使用'category'None (默认) : 结果将不排除任何内容。
- 返回
- Series 或 DataFrame
提供的 Series 或 Dataframe 的汇总统计数据。
参见
DataFrame.count计算非NA/null观测值的数量。
DataFrame.max对象中值的最大值。
DataFrame.min对象中值的最小值。
DataFrame.mean值的平均数。
DataFrame.std观测值的标准差。
DataFrame.select_dtypes基于列的数据类型包含/排除的 DataFrame 子集。
注释
对于数值数据，结果的索引将包括
count、mean、std、min、max以及下限、50和上限百分位数。默认情况下，下限百分位数为25，上限百分位数为75。50百分位数与中位数相同。对于对象数据（例如字符串或时间戳），结果的索引将包括
count、unique、top和freq。top是最常见的值。freq是最常见值的频率。时间戳还包括first和last项。如果多个对象值具有最高的计数，那么
count和top结果将任意从这些具有最高计数的对象中选择。对于通过
DataFrame提供的混合数据类型，默认情况下只返回数值列的分析。如果数据框仅由对象和分类数据组成，没有任何数值列，默认情况下将返回对象和分类列的分析。如果提供了include='all'作为选项，结果将包括每种类型的属性的并集。include 和 exclude 参数可以用来限制在输出中分析
DataFrame中的哪些列。在分析Series时，这些参数将被忽略。示例
描述一个数值
Series。>>> s = pd.Series([1, 2, 3]) >>> s.describe() count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0 dtype: float64
描述一个分类
Series。>>> s = pd.Series(['a', 'a', 'b', 'c']) >>> s.describe() count 4 unique 3 top a freq 2 dtype: object
描述一个时间戳
Series。>>> s = pd.Series([ ... np.datetime64("2000-01-01"), ... np.datetime64("2010-01-01"), ... np.datetime64("2010-01-01") ... ]) >>> s.describe() count 3 mean 2006-09-01 08:00:00 min 2000-01-01 00:00:00 25% 2004-12-31 12:00:00 50% 2010-01-01 00:00:00 75% 2010-01-01 00:00:00 max 2010-01-01 00:00:00 dtype: object
描述一个
DataFrame。默认情况下只返回数值字段。>>> 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 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0
描述
DataFrame的所有列，无论数据类型如何。>>> df.describe(include='all') categorical numeric object count 3 3.0 3 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
通过将
DataFrame中的一列作为属性来描述它。>>> df.numeric.describe() count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0 Name: numeric, dtype: float64
仅在
DataFrame描述中包含数值列。>>> df.describe(include=[np.number]) numeric count 3.0 mean 2.0 std 1.0 min 1.0 25% 1.5 50% 2.0 75% 2.5 max 3.0
仅在
DataFrame描述中包含字符串列。>>> df.describe(include=[object]) object count 3 unique 3 top a freq 1
仅包含
DataFrame描述中的分类列。>>> df.describe(include=['category']) categorical count 3 unique 3 top d freq 1
从
DataFrame描述中排除数值列。>>> df.describe(exclude=[np.number]) categorical object count 3 3 unique 3 3 top f a freq 1 1
从
DataFrame描述中排除对象列。>>> df.describe(exclude=[object]) categorical numeric count 3 3.0 unique 3 NaN top f NaN freq 1 NaN mean NaN 2.0 std NaN 1.0 min NaN 1.0 25% NaN 1.5 50% NaN 2.0 75% NaN 2.5 max NaN 3.0