🐍【Python】進階學習：pandas——describe()函數的使用介紹

🌈 個人主頁：高斯小哥
🔥 高質量專欄：Matplotlib之旅：零基礎精通數據可視化、Python基礎【高質量合集】、PyTorch零基礎入門教程👈 希望得到您的訂閱和支持~
💡 創作高質量博文(平均質量分92+)，分享更多關于深度學習、PyTorch、Python領域的優質內容！（希望得到您的關注~）

---

📊 一、初識describe()函數

??在數據分析和處理的過程中，我們經常需要了解數據的基本統計信息，如均值、標準差、最小值、最大值等。pandas庫中的describe()函數為我們提供了這樣的功能，它可以快速生成數據集的描述性統計信息。

📈 二、describe()函數的基本用法

??describe()函數是pandas庫中DataFrame和Series對象的一個方法，它默認返回以下統計信息：

• count：非空值的數量
• mean：平均值
• std：標準差
• min：最小值
• 25%：第一四分位數（Q1）
• 50%：第二四分位數（中位數，Q2）
• 75%：第三四分位數（Q3）
• max：最大值

使用示例：

import pandas as pd# 創建一個簡單的DataFrame
data = {'A': [1, 2, 3, 4, 5],'B': [5, 4, 3, 2, 1],'C': [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)# 使用describe()函數
description = df.describe()
print(description)

輸出：

              A         B          C
count  5.000000  5.000000   5.000000
mean   3.000000  3.000000  30.000000
std    1.581139  1.581139  15.811388
min    1.000000  1.000000  10.000000
25%    2.000000  2.000000  20.000000
50%    3.000000  3.000000  30.000000
75%    4.000000  4.000000  40.000000
max    5.000000  5.000000  50.000000

🔍 三、定制describe()函數的輸出

??describe()函數提供了多個參數，允許我們定制輸出的統計信息。

• percentiles：指定要包括的其他百分位數，例如percentiles=[.25, .5, .75]將返回第一、第二和第三四分位數。
• include：指定要包括的數據類型，默認為'all'，可以設置為'all', 'nums', 或 'object'。
• exclude：指定要排除的數據類型。

使用示例：

import pandas as pd# 創建一個簡單的DataFrame
data = {'A': [1, 2, 3, 4, 5],'B': [5, 4, 3, 2, 1],'C': [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)# 使用describe()函數定制輸出
custom_description = df.describe(percentiles=[.30, .60, .90])
print(custom_description)

輸出：

              A         B          C
count  5.000000  5.000000   5.000000
mean   3.000000  3.000000  30.000000
std    1.581139  1.581139  15.811388
min    1.000000  1.000000  10.000000
30%    2.200000  2.200000  22.000000
50%    3.000000  3.000000  30.000000
60%    3.400000  3.400000  34.000000
90%    4.600000  4.600000  46.000000
max    5.000000  5.000000  50.000000

📊 四、describe()函數與數據可視化

??describe()函數輸出的統計信息經常與數據可視化結合使用，以更直觀地了解數據的分布。例如，我們可以使用matplotlib庫來繪制箱線圖（boxplot）。

使用示例：

import pandas as pd
from matplotlib import pyplot as plt# 創建一個簡單的DataFrame
data = {'A': [1, 2, 3, 4, 5],'B': [5, 4, 3, 2, 1],'C': [10, 20, 30, 40, 50]
}
df = pd.DataFrame(data)# 使用describe()函數定制輸出
custom_description = df.describe(percentiles=[.30, .60, .90])
print(custom_description)# 繪制箱線圖
df.boxplot()
plt.show()

效果展示：

💡 五、深入理解統計指標

??了解describe()函數輸出的統計指標對于正確解讀數據至關重要。例如，標準差可以告訴我們數據集的離散程度，中位數則可以告訴我們數據集的中心趨勢，而不受極端值的影響。

📚 六、總結與進階學習

??describe()函數是pandas庫中非常實用的一個函數，它可以幫助我們快速了解數據集的基本統計信息。通過定制輸出、結合數據可視化以及深入理解統計指標，我們可以更好地分析和處理數據。在進階學習中，你還可以探索其他與describe()函數相關的統計方法和可視化工具，以提高你的數據處理和分析能力。

希望這篇博客能幫助你更好地理解和使用pandas中的describe()函數！🚀📈🔍

🤝 七、期待與你共同進步

??🌱 親愛的讀者，非常感謝你每一次的停留和閱讀！你的支持是我們前行的最大動力！🙏

??🌐 在這茫茫網海中，有你的關注，我們深感榮幸。你的每一次點贊👍、收藏🌟、評論💬和關注💖，都像是明燈一樣照亮我們前行的道路，給予我們無比的鼓舞和力量。🌟

??📚 我們會繼續努力，為你呈現更多精彩和有深度的內容。同時，我們非常歡迎你在評論區留下你的寶貴意見和建議，讓我們共同進步，共同成長！💬

??💪 無論你在編程的道路上遇到什么困難，都希望你能堅持下去，因為每一次的挫折都是通往成功的必經之路。我們期待與你一起書寫編程的精彩篇章！ 🎉

??🌈 最后，再次感謝你的厚愛與支持！愿你在編程的道路上越走越遠，收獲滿滿的成就和喜悅！祝你編程愉快！🎉