Cách tóm tắt dữ liệu trong Pandas Python

Nhiều thông tin về dữ liệu có thể lấy được bằng các hàm khác nhau. Nhưng nếu muốn lấy tất cả thông tin về dữ liệu, hàm describe có thể dùng.

Hàm này cung cấp thông tin như: 'count' (số lượng), 'mean' (trung bình), 'standard deviation' (độ lệch chuẩn), phần trăm thứ 25, phần trăm thứ 50 (median), và phần trăm thứ 75.

Ví dụ

import pandas as pd

my_data = {
    'Name': pd.Series(['Tom', 'Jane', 'Vin', 'Eve', 'Will']),
    'Age': pd.Series([45, 67, 89, 12, 23]),
    'value': pd.Series([8.79, 23.24, 31.98, 78.56, 90.20])
}

print("DataFrame là:")
my_df = pd.DataFrame(my_data)
print(my_df)

print("Mô tả dữ liệu:")
print(my_df.describe())

Đầu ra

DataFrame là:
    Name  Age  value
0   Tom   45   8.79
1  Jane   67  23.24
2   Vin   89  31.98
3   Eve   12  78.56
4  Will   23  90.20

Mô tả dữ liệu:
             Age     value
count   5.000000  5.000000
mean   47.200000 46.554000
std    31.499206 35.747102
min    12.000000  8.790000
25%    23.000000 23.240000
50%    45.000000 31.980000
75%    67.000000 78.560000
max    89.000000 90.200000

Giải thích

• Nhập thư viện cần thiết, đặt bí danh để dễ dùng.
• Tạo dictionary của Series bao gồm key và value, value là cấu trúc Series.
• Dictionary này truyền làm tham số cho hàm DataFrame trong pandas.
• In DataFrame ra console.
• Muốn lấy tất cả thông tin về dữ liệu.
• Gọi hàm describe trên DataFrame.
• Mô tả in ra console.

Lưu ý: describe() mặc định chỉ tính cho cột kiểu số. Để bao gồm cột object (string), dùng describe(include='all') hoặc describe(include=[np.object]).

Các chỉ số trong kết quả:

• count: Số giá trị không null
• mean: Trung bình cộng
• std: Độ lệch chuẩn mẫu
• min/max: Giá trị nhỏ nhất/lớn nhất
• 25%/50%/75%: Tứ phân vị (Q1, Median, Q3)