我有一个由 450 列和 550 000 行组成的大型数据框。 在我的专栏中:
- 73 个 float 列
- 30 列日期
- 对象中的剩余列
我想对我的变量进行描述,但不仅要像往常一样描述,还要在同一个矩阵中包含其他描述。最后,我们将有一个包含 450 个变量的描述矩阵,然后是以下的详细描述: - 类型 - 数数 - 计算空值 - 空值的百分比 - 最大限度 - 分钟 - 50% - 75% - 25% ——……
现在,我只有一个基本函数来描述我的数据:
Dataframe.describe(include = 'all')
您是否有功能或方法来进行更广泛的描述。
谢谢。
最佳答案
您需要为Series
编写自定义函数,然后添加到final describe DataFrame
:
注意:
最终 df 的第一行是 count
- 使用函数 count
计算非 NaN 值
df = pd.DataFrame({
'A':list('abcdef'),
'B':[4,np.nan,np.nan,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,1,0],
'E':[5,3,6,9,2,4],
'F':list('aaabbb')
})
print (df)
A B C D E F
0 a 4.0 7 1 5 a
1 b NaN 8 3 3 a
2 c NaN 9 5 6 a
3 d 5.0 4 7 9 b
4 e 5.0 2 1 2 b
5 f 4.0 3 0 4 b
df1 = df.describe(include = 'all')
df1.loc['dtype'] = df.dtypes
df1.loc['size'] = len(df)
df1.loc['% count'] = df.isnull().mean()
print (df1)
A B C D E F
count 6 4 6 6 6 6
unique 6 NaN NaN NaN NaN 2
top e NaN NaN NaN NaN b
freq 1 NaN NaN NaN NaN 3
mean NaN 4.5 5.5 2.83333 4.83333 NaN
std NaN 0.57735 2.88097 2.71416 2.48328 NaN
min NaN 4 2 0 2 NaN
25% NaN 4 3.25 1 3.25 NaN
50% NaN 4.5 5.5 2 4.5 NaN
75% NaN 5 7.75 4.5 5.75 NaN
max NaN 5 9 7 9 NaN
dtype object float64 int64 int64 int64 object
size 6 6 6 6 6 6
% count 0 0.333333 0 0 0 0
关于python - Pandas 广泛的 'describe' 包括计算空值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53173927/