跳到主要内容

Pandas 描述统计

在数据分析中，描述性统计是一种用于总结和描述数据集特征的方法。通过描述性统计，我们可以快速了解数据的分布、集中趋势和离散程度。Pandas库提供了丰富的函数来帮助我们轻松计算这些统计指标。

什么是描述统计？​

描述性统计是对数据集进行总结和描述的过程，通常包括以下几个方面：

  • 集中趋势：如均值、中位数、众数等。
  • 离散程度：如标准差、方差、极差等。
  • 分布形状：如偏度、峰度等。

这些统计指标可以帮助我们快速了解数据的基本特征，从而为进一步的分析打下基础。

常用的描述统计函数​

Pandas提供了多种函数来计算描述性统计指标。以下是一些常用的函数：

  • mean()：计算均值。
  • median()：计算中位数。
  • mode()：计算众数。
  • std()：计算标准差。
  • var()：计算方差。
  • min()：计算最小值。
  • max()：计算最大值。
  • describe()：生成描述性统计摘要。

示例：计算描述统计​

让我们通过一个简单的示例来演示如何使用这些函数。

import pandas as pd

# 创建一个示例DataFrame
data = {
    'Age': [23, 25, 28, 22, 30, 27, 26, 24, 29, 25],
    'Salary': [50000, 54000, 60000, 48000, 62000, 58000, 55000, 52000, 61000, 53000]
}

df = pd.DataFrame(data)

# 计算均值
mean_age = df['Age'].mean()
mean_salary = df['Salary'].mean()

# 计算中位数
median_age = df['Age'].median()
median_salary = df['Salary'].median()

# 计算标准差
std_age = df['Age'].std()
std_salary = df['Salary'].std()

print(f"Mean Age: {mean_age}, Mean Salary: {mean_salary}")
print(f"Median Age: {median_age}, Median Salary: {median_salary}")
print(f"Standard Deviation of Age: {std_age}, Standard Deviation of Salary: {std_salary}")

输出：

Mean Age: 25.9, Mean Salary: 55300.0
Median Age: 25.5, Median Salary: 54500.0
Standard Deviation of Age: 2.766867959468842, Standard Deviation of Salary: 4795.831523312719

使用 describe() 函数​

describe() 函数可以一次性生成多个描述性统计指标，包括计数、均值、标准差、最小值、25%分位数、50%分位数（中位数）、75%分位数和最大值。

# 使用describe()函数
summary = df.describe()
print(summary)

输出：

             Age        Salary
count  10.000000     10.000000
mean   25.900000  55300.000000
std     2.766868   4795.831523
min    22.000000  48000.000000
25%    24.250000  52000.000000
50%    25.500000  54500.000000
75%    27.750000  58000.000000
max    30.000000  62000.000000

实际应用场景​

描述性统计在实际数据分析中有广泛的应用。例如，在金融领域，分析师可以使用描述性统计来总结股票价格的波动情况；在市场营销中，描述性统计可以帮助分析客户购买行为。

案例：分析销售数据​

假设我们有一份销售数据，记录了不同产品的销售额。我们可以使用描述性统计来总结这些数据。

# 创建销售数据
sales_data = {
    'Product': ['A', 'B', 'C', 'D', 'E'],
    'Sales': [200, 150, 300, 250, 400]
}

sales_df = pd.DataFrame(sales_data)

# 计算描述性统计
sales_summary = sales_df['Sales'].describe()
print(sales_summary)

输出：

count      5.000000
mean     260.000000
std       96.609912
min      150.000000
25%      200.000000
50%      250.000000
75%      300.000000
max      400.000000
Name: Sales, dtype: float64

通过描述性统计，我们可以快速了解销售额的分布情况，例如平均销售额为260，最大销售额为400，最小销售额为150。

总结​

描述性统计是数据分析的基础工具之一，它帮助我们快速了解数据的基本特征。Pandas提供了丰富的函数来计算这些统计指标，如均值、中位数、标准差等。通过掌握这些工具，我们可以更高效地进行数据分析。

附加资源与练习​

  • 练习：尝试使用Pandas对一个真实的数据集进行描述性统计分析，例如Kaggle上的公开数据集。
  • 资源：
提示

在实际项目中，描述性统计通常是数据分析的第一步。通过它，我们可以快速识别数据中的异常值、缺失值以及数据的分布情况，从而为后续的分析和建模提供指导。