数据分析pandas之DataFrame.describe（）用法概述

DataFrame.describe(percentiles=None, include=None, exclude=None)

其物理意义在于观察这⼀系列数据的范围。⼤⼩、波动趋势等等，便于判断后续对数据采取哪类模型更合适。

基础数据：

# 时间

dates = pd.date_range('20200115', periods=7)# dn表格每个维度

df = pd.DataFrame(np.random.randn(7,5),index=dates,columns=list('ABCDa'))

df.to_excel(r'D:\\⾃动化\\web\est\\DataTest1.xls',sheet_name='Sheet1') #数据输出⾄Excel

1.第⼀个percentiles,这个参数可以设定数值型特征的统计量，默认是[.25, .5, .75],也就是返回25%，50%，75%数据量时的数字，但是这个可以修改的，df['Parch'].describe(percentiles=[.2,.75, .8])默认有5

2.第⼆个参数：include，这个参数默认是只计算数值型特征的统计量，当输⼊include=['O']，会计算离散型变量的统计特征，，举个例⼦如下：

df.describe(include=‘O’) df.describe(include=[‘O’]) 缺图

df.describe(include=‘all’)

此外传参数是‘all’的时候会把数值型和离散型特征的统计都进⾏显⽰。

3.第三个参数的设计就更贴⼼了，第⼆个参数是你可以指定选那些，第三个参数就是你可以指定不选哪些，⼈性化设计。这个参数默认不丢弃任何列，相当于⽆影响。

综述，⽆法取指定⾏数，⽐如只取Min⾏

print(df.describe().iloc[3]) 暂时只能⽤这种⽅式