Funkce Python pandas DataFrame.describe() se používá k vytvoření statistického souhrnu numerických sloupců v DataFrame. Tento souhrn obsahuje klíčové statistické metriky, jako je průměr, směrodatná odchylka, minimum, maximum a různé percentily.

Jaká je syntaxe funkce describe() v pandas?

Základní syntaxe describe() pro DataFrames je jednoduchá. Vypadá takto:

DataFrame.describe(percentiles=None, include=None, exclude=None)
python

Důležité parametry pro pandas DataFrame.describe()

Pomocí následujících parametrů můžete upravit výstup describe():

Parametr Popis Výchozí hodnota
percentiles Seznam percentilů, které by měly být zahrnuty do souhrnu [.25, .5, .75]
include Určuje, které typy dat mají být zahrnuty do popisu; možné hodnoty jsou numpy.number, numpy.object, all nebo None. None
exclude Určuje, které datové typy mají být z popisu vyloučeny; funguje stejně jako parametr include. None

Příklady použití pandas describe()

Pokud potřebujete rychlý přehled klíčových statistických metrik datového souboru, funkce pandas DataFrame.describe() je velmi užitečná.

Příklad 1: Statistický souhrn číselných údajů

V následujícím příkladu se podíváme na DataFrame df, který obsahuje různé typy prodejních dat.

import pandas as pd
import numpy as np
# Example DataFrame with sales data
data = {
    'Product': ['A', 'B', 'C', 'D', 'E'],
    'Quantity': [10, 20, 15, 5, 30],
    'Price': [100, 150, 200, 80, 120],
    'Revenue': [1000, 3000, 3000, 400, 3600]
}
df = pd.DataFrame(data)
print(df)
python

Nyní můžete pomocí pandas describe() získat statistický souhrn číselných údajů ve sloupcích:

summary = df.describe()
print(summary)
python

Výstup funkce pandas DataFrame.describe() je následující:

Quantity       Price      Revenue
count   5.000000    5.000000     5.000000
mean   16.000000  130.000000  2200.000000
std     9.617692   46.904158  1407.124728
min     5.000000   80.000000   400.000000
25%    10.000000  100.000000  1000.000000
50%    15.000000  120.000000  3000.000000
75%    20.000000  150.000000  3000.000000
max    30.000000  200.000000  3600.000000

Klíčové metriky zobrazené ve výstupu jsou:

  • count: Počet položek, které nejsou NaN (Not a Number)
  • mean: Průměr hodnot (přístupný také přes DataFrame.mean())
  • std: Směrodatná odchylka hodnot
  • min, 25%, 50%, 75%, max: Minimální, 25. percentil, medián (50. percentil), 75. percentil a maximální hodnoty

Příklad 2: Přizpůsobení percentilů

Procentily ve výstupu pandas DataFrame.describe() můžete přizpůsobit pomocí parametru percentiles:

# Statistical summary with custom percentiles
custom_summary = df.describe(percentiles=[0.1, 0.5, 0.9])
print(custom_summary)
python

Toto volání funkce poskytuje následující výstup:

Quantity       Price      Revenue
count   5.000000    5.000000     5.000000
mean   16.000000  130.000000  2200.000000
std     9.617692   46.904158  1407.124728
min     5.000000   80.000000   400.000000
10%     7.000000   88.000000   640.000000
50%    15.000000  120.000000  3000.000000
90%    26.000000  180.000000  3360.000000
max    30.000000  200.000000  3600.000000

Ve výstupu jsou místo standardních percentilů z předchozího příkladu zahrnuty hodnoty 10%, 50 % a 90 %.

Přejít do hlavního menu