Python pandas-funksjonen DataFrame.describe() brukes til å generere en statistisk oppsummering av de numeriske kolonnene i en DataFrame. Denne oppsummeringen inkluderer viktige statistiske målinger som gjennomsnitt, standardavvik, minimum, maksimum og forskjellige persentiler.

Hva er syntaksen for pandas’ describe() -funksjon?

Den grunnleggende syntaksen til describe() for DataFrames er enkel. Den ser slik ut:

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

Viktige parametere for pandas’ DataFrame.describe()

Ved hjelp av følgende parametere kan du justere utgangen på describe():

Parameter Beskrivelse Standardverdi
percentiles Viser prosentilene som skal inkluderes i sammendraget [.25, .5, .75]
include Angir hvilke datatyper som skal inkluderes i beskrivelsen; mulige verdier er numpy.number, numpy.object, all eller None None
exclude Angir hvilke datatyper som skal ekskluderes fra beskrivelsen; fungerer som parameteren include. None
Definition

Statistiske persentiler er verdier som deler et sortert datasett i like store deler, og viser hvor stor prosentandel av datapunktene som ligger under en bestemt terskel. Disse inkluderer måleparametere som median (50. persentil), 25. persentil og 75. persentil. Denne informasjonen bidrar til å gi et klarere bilde av datadistribusjonen.

Eksempler på hvordan du bruker pandas describe()

Hvis du trenger en rask oversikt over de viktigste statistiske målingene i et datasett, er pandas DataFrame.describe() -funksjonen svært nyttig.

Eksempel 1: Statistisk oppsummering av numeriske data

I det følgende eksemplet ser vi på DataFrame df, som inneholder forskjellige typer salgsdata.

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

Nå kan du bruke pandas describe() til å få en statistisk oversikt over de numeriske dataene i kolonnene:

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

Utgangen fra pandas DataFrame.describe() -funksjonen er som følger:

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

De viktigste måleparametrene som vises i utdataene er:

  • count: Antall ikke-NaN-oppføringer (Not a Number)
  • mean: Gjennomsnitt av verdiene (også tilgjengelig via DataFrame.mean())
  • std: Standardavvik for verdiene
  • min, 25%, 50%, 75%, max: Minimum, 25. persentil, median (50. persentil), 75. persentil og maksimumsverdier

Eksempel 2: Tilpasse prosentiler

Du kan tilpasse prosentilene i pandas DataFrame.describe() -utdataene med parameteren percentiles:

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

Denne funksjonskallen gir følgende utdata:

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

I utdataene er 10%, 50 % og 90 % inkludert i stedet for standardprosentene i forrige eksempel.

Go to Main Menu