初步理解鸢尾花数据集dataframe的describe方法返回值

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

dataframe是pandas库里面的数据类型，类似以往概念中的二维数组。除了head()和tail()可以查看首尾数据外，还可以通过describe()函数来对数据体做个总体的概述预览。

苏南大叔的“平行空间笔记本”博客，记录苏南大叔的编程所学所想。本文对dataframe类型的describe()方法返回值进行初步探讨。测试环境：win10，python@3.11.0，pandas@1.5.3。

获得dataframe对象

可以自己定义一个dataframe对象，参考文章：

• https://seosn.com/say/pandas-dataframe.html

也可以通过读取csv获得一个dataframe对象，参考文章：

• https://seosn.com/say/python-iris.html
• https://seosn.com/say/sklearn-csv.html

本文是以tensorflow官方的鸢尾花数据集为基础的，所以，获得dataframe对象的方法如下：

import pandas as pd
data_url = "http://download.tensorflow.org/data/iris_training.csv"
column_names = ["萼长", "萼宽", "瓣长", "瓣宽", "种类"]
df = pd.read_csv(data_url, header=0, names=column_names)

执行.describe()

当然，这个.describe()有很多变种，本文仅仅致力于初步理解.describe()，所以这里仅仅做最常见情况的描述。

print(df.describe())

这里返回值如下：

             萼长         萼宽        瓣长        瓣宽         种类
count  120.000000  120.000000  120.000000  120.000000  120.000000
mean     5.845000    3.065000    3.739167    1.196667    1.000000
std      0.868578    0.427156    1.822100    0.782039    0.840168
min      4.400000    2.000000    1.000000    0.100000    0.000000
25%      5.075000    2.800000    1.500000    0.300000    0.000000
50%      5.800000    3.000000    4.400000    1.300000    1.000000
75%      6.425000    3.300000    5.100000    1.800000    2.000000
max      7.900000    4.400000    6.900000    2.500000    2.000000

返回值分析

返回的数据分别是：

1、计数count，这个比较好理解。
2、平均值mean，var方差，std标准差，参考文章：https://seosn.com/say/python-std.html
3、25%/50%/75%这几个分位数是计算得出来的值，并不一定实际存在。计算方法呢，也比较好理解。把min理解为0%、max理解为100%，这几个分位数就可以按比例推理出来了，很简单。

返回值之方差var

值得特别说明的是：上述返回值中并没有var方差，虽然var方差就是std标准差的平方。但是，没有返回值就实际上提供了一个自行计算的方式：

df[列名].var()

或者直接获得一个series：

df.var()

这个话题就比较大了，这里就暂埋伏笔。

更多.describe()内容

如果dataframe的数据列中存在着纯数字的列，就会返回上述数据，忽略非数字列。如果是其它类型的列（比如文本）的话，是返回其它的统计数据字段的，这种情况待后续更新。

结束语

本文中的.describe()方法，主要是用于更深刻的理解鸢尾花数据集的。所以对于更多的.describe()方法变种，不做更多的讨论。更多python相关经验文章，请点击下面的链接查看：

• https://seosn.com/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。