Python | pandas | “describe”の利用方法
Pythonとは，高レベルの汎用プログラミング言語であり，読みやすさとシンプルさで知られている．Web開発やデータサイエンス，人口知能，機械学習など幅広く利用されている．なお，レベルの高低はハードウェアに近いかどうかを意味しており，レベルが低いとハードウェアに近いことを意味している．
Pandasとは，Python向けに人気のあるオープンソースのデータ操作および分析ライブラリーである．異なるフォーマットでの読み書きするツールに加えて，効率的にデータ保存および大規模なデータセットを操作するためのデータ構造を提供する．
Pandasには，2つの"class"である一次元データを利用する"Series"と二次元データを利用する"DataFrame"がある．これらのデータを操作・分析するのに，"Attributes"と"Methods"がある．
“Attributes"は，"Series"や"DataFrame"のプロパティや性質を示すものであり，データ構造についての情報を提供する．一方，"Methods"は，特定のデータ操作を実行する機能であり，データの計算や変換などを実行する．
本記事では，"Methods"の1つである"describe"についての利用方法を以下に記す．
実施環境
各バージョンの確認方法はこちら
OS: Windows11
VS Code: 1.85.1
Python 3.12.0
Pandas 2.1.4
Numpy 1.26.2
“describe"の説明
“describe"は，"Methods"の1つであり，各列ごとのデータの統計を生成する．
pandas | pandas.DataFrame.describe
数字の場合の項目
データが数字の場合，以下一覧が出力される．
- count: null以外の値の個数
- mean: 平均
- std: 標準偏差
- min: 最小値
- 25%: 下位25%に該当する値
- 50%: 中央値
- 75%: 上位25%に該当する値
- max: 最大値
文字などの場合の項目
データが文字の場合，"数字の場合の項目"に加え"，以下一覧が出力される．
- unique: 種類の個数
- top: 最も頻出する値
- freq: 最も頻出する値の頻度
“describe"の利用方法
数字データの出力
“df.describe()"を利用することで，data内の数字列の統計結果を出力することができる．
Pyファイルに以下を入力し，実行する．
import pandas as pd
# Create a sample DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'David'],
'Age': [25, 30, 22, 25, 35],
'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'Seattle'],
'Height': [160, 180, 175, 165, 190]}
df = pd.DataFrame(data)
print(df.describe())■実行結果
Age Height
count 5.000000 5.000000
mean 27.400000 174.000000
std 5.128353 11.937336
min 22.000000 160.000000
25% 25.000000 165.000000
50% 25.000000 175.000000
75% 30.000000 180.000000
max 35.000000 190.000000すべてのデータの出力
“df.describe(include=’all’)"を利用することで，data内の文字列も含むすべての列の統計結果を出力することができる．
Pyファイルに以下を入力し，実行する．
import pandas as pd
# Create a sample DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'David'],
'Age': [25, 30, 22, 25, 35],
'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'Seattle'],
'Height': [160, 180, 175, 165, 190]}
df = pd.DataFrame(data)
print(df.describe(include='all'))■実行結果
Name Age City Height
count 5 5.000000 5 5.000000
unique 4 NaN 4 NaN
top Alice NaN New York NaN
freq 2 NaN 2 NaN
mean NaN 27.400000 NaN 174.000000
std NaN 5.128353 NaN 11.937336
min NaN 22.000000 NaN 160.000000
25% NaN 25.000000 NaN 165.000000
50% NaN 25.000000 NaN 175.000000
75% NaN 30.000000 NaN 180.000000
max NaN 35.000000 NaN 190.000000特定の1つの列データの出力
“Age"列のデータ出力をする場合，"df['Age’].describe()"を利用することで，data内の"Age"列の統計結果を出力することができる．
Pyファイルに以下を入力し，実行する．
import pandas as pd
# Create a sample DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'David'],
'Age': [25, 30, 22, 25, 35],
'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'Seattle'],
'Height': [160, 180, 175, 165, 190]}
df = pd.DataFrame(data)
print(df['Age'].describe())■実行結果
count 5.000000
mean 27.400000
std 5.128353
min 22.000000
25% 25.000000
50% 25.000000
75% 30.000000
max 35.000000
Name: Age, dtype: float64特定の複数の列データの出力
“Age"列と"City"列のデータ出力をする場合，"df[['Age’, 'City’]].describe(include=’all’)"を利用することで，data内の"Age"列と"City"列の統計結果を出力することができる．
Pyファイルに以下を入力し，実行する．
import pandas as pd
# Create a sample DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'David'],
'Age': [25, 30, 22, 25, 35],
'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'Seattle'],
'Height': [160, 180, 175, 165, 190]}
df = pd.DataFrame(data)
selected_columns = df[['Age', 'City']].describe(include='all')
print(selected_columns)■実行結果
Age City
count 5.000000 5
unique NaN 4
top NaN New York
freq NaN 2
mean 27.400000 NaN
std 5.128353 NaN
min 22.000000 NaN
25% 25.000000 NaN
50% 25.000000 NaN
75% 30.000000 NaN
max 35.000000 NaN参照
pandas | pandas.DataFrame.describe
以上