describe运用的案例
时间: 2024-04-16 10:27:38 浏览: 16
假设我们有一个包含学生成绩的 DataFrame,其中包括学生的姓名、科目和分数。下面是一个示例:
```python
import pandas as pd
data = {'姓名': ['小明', '小红', '小刚', '小美', '小强'],
'科目': ['数学', '英语', '数学', '英语', '数学'],
'分数': [90, 85, 92, 88, 95]}
df = pd.DataFrame(data)
print(df)
```
输出:
```
姓名 科目 分数
0 小明 数学 90
1 小红 英语 85
2 小刚 数学 92
3 小美 英语 88
4 小强 数学 95
```
现在我们可以使用 `describe()` 函数对分数列进行描述性统计分析:
```python
df_desc = df['分数'].describe()
print(df_desc)
```
输出:
```
count 5.000000
mean 90.000000
std 3.162278
min 85.000000
25% 88.000000
50% 90.000000
75% 92.000000
max 95.000000
Name: 分数, dtype: float64
```
这里我们得到了关于分数列的统计信息,包括数据的数量、平均数、标准差、最小值、25%、中位数、75% 和最大值。这些信息可以帮助我们了解数据的分布情况和集中趋势。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)