如恶化对dataframe的列A-C的数据进行描述性统计

可以使用Pandas库中的describe()函数来对DataFrame的列A-C的数据进行描述性统计，示例代码如下：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10], 'C': [11, 12, 13, 14, 15]})

# 对列A-C进行描述性统计
df[['A', 'B', 'C']].describe()

运行结果如下：

              A          B          C
count  5.000000   5.000000   5.000000
mean   3.000000   8.000000  13.000000
std    1.581139   1.581139   1.581139
min    1.000000   6.000000  11.000000
25%    2.000000   7.000000  12.000000
50%    3.000000   8.000000  13.000000
75%    4.000000   9.000000  14.000000
max    5.000000  10.000000  15.000000

可以看到，该函数返回了每列数据的计数、均值、标准差、最小值、25%分位数、中位数、75%分位数和最大值等描述性统计信息。

相关问题

如何对dataframe的列A-C的数据进行描述性统计，并保留三位小数

可以使用describe()方法对列A-C的数据进行描述性统计，然后使用round()方法保留三位小数。

假设DataFrame为df，以下是示例代码：

df[['A', 'B', 'C']].describe().round(3)

其中[['A', 'B', 'C']]表示要对哪些列进行统计，describe()方法返回描述性统计信息，round()方法保留三位小数。

dataframe对每一列数据进行统计

可以使用 Pandas 库中的 `describe()` 方法对 DataFrame 中每一列的数据进行统计。该方法会输出每一列数据的计数、均值、标准差、最小值、25%、50%、75% 和最大值等统计信息。示例如下：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 对每一列数据进行统计
print(df.describe())

输出结果为：

         A    B    C
count  3.0  3.0  3.0
mean   2.0  5.0  8.0
std    1.0  1.0  1.0
min    1.0  4.0  7.0
25%    1.5  4.5  7.5
50%    2.0  5.0  8.0
75%    2.5  5.5  8.5
max    3.0  6.0  9.0