如恶化对dataframe的列A-C的数据进行描述性统计
时间: 2024-05-05 10:15:19 浏览: 10
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:
```python
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
```