当我们描述分组数据框时，25%、50%、75% 的值是什么？

Question

我正在浏览 pandas groupby 文档，当我在特定列上分组时，如下所示：

df：

     A      B         C         D
0  foo    one -0.987674  0.039616
1  bar    one -0.653247 -1.022529
2  foo    two  0.404201  1.308777
3  bar  three  1.620780  0.574377
4  foo    two  1.661942  0.579888
5  bar    two  0.747878  0.463052
6  foo    one  0.070278  0.202564
7  foo  three  0.779684 -0.547192

grouped=df.groupby('A')
grouped.describe(A)

给

              C                      ...         D                    
          count      mean       std  ...       50%       75%       max
A   B                                ...                              
bar one     1.0  0.224944       NaN  ...  1.107509  1.107509  1.107509
    three   1.0  0.704943       NaN  ...  1.833098  1.833098  1.833098
    two     1.0 -0.091613       NaN  ... -0.549254 -0.549254 -0.549254
foo one     2.0  0.282298  1.554401  ... -0.334058  0.046640  0.427338
    three   1.0  1.688601       NaN  ... -1.457338 -1.457338 -1.457338
    two     2.0  1.206690  0.917140  ... -0.096405  0.039241  0.174888

描述时 25%,50%,75% 是什么意思？请解释一下？

Answer 1

简单来说...

您将看到百分位数（25%、50%、75%..等）和它们前面的一些值。

意义在于告诉你你的数据的分布情况。

例如：

s = pd.Series([1, 2, 3, 1])

s.describe()   will give

count    4.000000
mean     1.750000
std      0.957427
min      1.000000
25%      1.000000
50%      1.500000
75%      2.250000
max      3.000000

25% 表示 25% 的数据的值为 1.0000 或以下。也就是说，如果你手动查看你的数据，其中 25% 小于或等于 1。（如果你查看我们的数据 [1, 2, 3, 1]，你就会同意这一点。[1] 是25%的数据小于或等于1。

50% 表示 50% 的数据的值为 1.5 或更低。[1, 1] 占50%的数据小于或等于1.5。

75% 表示 75% 的数据的值为 2.25 或更低。[1,2,1]占75%的数据小于或等于2.25。

Answer 2

要解释最小值、25%、50%、75% 和最大值，想象一下从最低值到最高值对每一列进行排序。第一个（最小）值是最小值。如果您浏览该列表的四分之一，您会发现一个大于值的 25% 且小于值的 75% 的数字。那是 25% 的值（发音为“第 25 个百分位数”）。第 50 个和第 75 个百分位数的定义类似，最大值是最大的数字。

Answer 3

你可以测试DataFrameGroupBy.describe：

\n

\n

笔记：

\n

对于数字数据，结果\xe2\x80\x99s 索引将包括计数、平均值、标准差、最小值、最大值以及下、50 和上百分位数。默认情况下，下百分位数为 25，上百分位数为 75。第 50 个百分位数与中位数相同。

\n

\n\n

\n

你能解释一下上面的 foo-one 值吗？

\n

\n

它被称为Mulitindex：

\n

\n

分层/多级索引非常令人兴奋，因为它为一些相当复杂的数据分析和操作打开了大门，特别是对于处理更高维的数据。本质上，它使您能够在较低维度的数据结构（如 Series (1d) 和 DataFrame (2d)）中存储和操作任意数量的维度的数据。

\n

\n

grouped=df.groupby([\'A\', \'B\'])\ndf = grouped.describe()\n\nprint (df.index)\nMultiIndex([(\'bar\',   \'one\'),\n            (\'bar\', \'three\'),\n            (\'bar\',   \'two\'),\n            (\'foo\',   \'one\'),\n            (\'foo\', \'three\'),\n            (\'foo\',   \'two\')],\n           names=[\'A\', \'B\'])\n\nprint (df.columns)\nMultiIndex([(\'C\', \'count\'),\n            (\'C\',  \'mean\'),\n            (\'C\',   \'std\'),\n            (\'C\',   \'min\'),\n            (\'C\',   \'25%\'),\n            (\'C\',   \'50%\'),\n            (\'C\',   \'75%\'),\n            (\'C\',   \'max\'),\n            (\'D\', \'count\'),\n            (\'D\',  \'mean\'),\n            (\'D\',   \'std\'),\n            (\'D\',   \'min\'),\n            (\'D\',   \'25%\'),\n            (\'D\',   \'50%\'),\n            (\'D\',   \'75%\'),\n            (\'D\',   \'max\')],\n           )\n\nprint (df.loc[(\'foo\',\'one\'), (\'C\', \'75%\')])\n-0.19421\n

\n