EDA_1探索性分析

一 数据集设置

#0 导入模块
import numpy as np	
import pandas as pd

#1 读取信息
import pandas as pd
df = pd.read_excel(‘数据_RFM实战.xlsx‘)
df

#2 限制显示行数
pd.set_option(‘max_rows‘, 10)

#3 显示前5行
df.head()   

#4 显示后5行
df.tail()    

二 df.info() _总体信息

<class ‘pandas.core.frame.DataFrame‘>
RangeIndex: 19 entries, 0 to 18
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype         
---  ------  --------------  -----         
 0   买家昵称    19 non-null     object        
 1   付款日期    19 non-null     datetime64[ns]
 2   订单状态    19 non-null     object        
 3   实付金额    19 non-null     int64         
dtypes: datetime64[ns](1), int64(1), object(2)
memory usage: 736.0+ bytes

整表信息说明:

1 总体行数: 索引数:

2 总体列数:

3 每一列:多少行非空,数据类型

• float64:是浮点型
• int64:是整形
• object:是字符型

三 describe()_统计信息

1 方法说明:

describe() 函数计算 Series 与 DataFrame 数据列的各种数据统计量。

描述性分析是所有数据分析新人、统计学新人在一开始了解的内容。因为常常用到，所有稍微介绍下 describe() ，做个总结。

2 方法格式：

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

?percentiles=None ：表示百分位数。介于0和1之间。默认值为 ，它返回第25、50和75个百分位数。[.25, .5, .75]

?include=None ：在描述DataFrame时包括数据类型列表。其默认值为无

?exclude=None ：在描述DataFrame时不包括数据类型列表。其默认值为无

?datetime_is_numeric=False ：bool，默认为False。是否将datetime dtypes视为数字。这会影响为该列计算的统计信息。

3 新建DataFrame表

import pandas as pd
import numpy as np

data = {‘玩具‘:[‘轮船‘,‘飞机‘,‘轮船‘], 
        ‘数量‘:[3,2,4], 
        ‘价格‘:[100,90,80],
        ‘人员‘:[45,50,‘张三‘],
        ‘时间‘:[np.datetime64("2000-01-01"),np.datetime64("2010-01-01"),np.datetime64("2010-01-01")]

       } 
df = pd.DataFrame(data)
df

4 使用方式

1 常规使用方式

df.describe()

2 只选中列表中的 number

df.describe(include=[np.number]) #和默认一致

3 只选中列表中的 object 数据类型。

df.describe(include=[np.object]) #查看数值、唯一值等

4 选中所有列，拿到所有列的描述信息

df.describe(include=‘all‘)

5 排除 object 数据类型的列

df.describe(exclude=[np.object])

6 是否将datetime dtypes视为数字

df.describe(datetime_is_numeric=True) #True的话同时也会将日期数据进行描述分析

count 3 
mean 2006-09-01 08:00:00 
min  2000-01-01 00:00:00 
25% 2004-12-31 12:00:00 
50% 2010-01-01 00:00:00 
75% 2010-01-01 00:00:00 
max 2010-01-01 00:00:00 
dtype: object

5 统计值变量说明：

• count：数量统计，此列共有多少有效值
• unipue：不同的值有多少个
• std：标准差
• min：最小值
• 25%：四分之一分位数
• 50%：二分之一分位数
• 75%：四分之三分位数
• max：最大值
• mean：均值

EDA_1探索性分析

原文：https://www.cnblogs.com/PythonSQL/p/14648226.html