跳转至

蟒蛇|熊猫系列. description()

原文:https://www.geesforgeks.org/python-pandas-series-description/

熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。

Pandas **Series.describe()**函数生成一个描述性统计数据，总结给定系列对象的数据集分布的中心趋势、离散度和形状。所有计算都是通过排除 NaN 值进行的。

语法:系列。描述(百分位数=无，包含=无，排除=无)

参数: 百分位数:要包含在输出中的百分位数。 包含:要包含在结果中的数据类型的白名单。系列被忽略。 排除:要从结果中省略的数据类型的黑名单。系列忽略

返回:系列的汇总统计

示例#1: 使用Series.describe()函数查找给定序列对象的汇总统计。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series([80, 25, 3, 25, 24, 6])

# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']

# set the index
sr.index = index_

# Print the series
print(sr)

输出:

现在我们将使用Series.describe()函数来查找给定序列对象中底层数据的汇总统计。

# find summary statistics of the underlying 
# data in the given series object.
result = sr.describe()

# Print the result
print(result)

输出: 在输出中我们可以看到，Series.describe()函数已经成功返回给定系列对象的汇总统计。

例 2 : 使用Series.describe()函数查找给定序列对象中底层数据的汇总统计。给定的序列对象包含一些缺失的值。

# importing pandas as pd
import pandas as pd

# Creating the Series
sr = pd.Series([100, None, None, 18, 65, None, 32, 10, 5, 24, None])

# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')

# set the index
sr.index = index_

# Print the series
print(sr)

输出:

现在我们将使用Series.describe()函数来查找给定序列对象中底层数据的汇总统计。

# find summary statistics of the underlying 
# data in the given series object.
result = sr.describe()

# Print the result
print(result)

输出:

从输出中我们可以看到，Series.describe()函数已经成功返回了给定序列对象的汇总统计。NaN在计算这些统计值时，值已被忽略。

回到顶部