Python 如何获得与R中类似的Pandas数据帧摘要？
不同的规模允许不同类型的操作。我想指定数据帧Python 如何获得与R中类似的Pandas数据帧摘要？,python,r,pandas,dataframe,Python,R,Pandas,Dataframe,不同的规模允许不同类型的操作。我想指定数据帧df中列的比例。然后，df.descripe（）应该考虑到这一点 例子 标称刻度：标称刻度仅允许检查等效性。例如性别、姓名、城市名称。您基本上只能计算它们出现的频率，并给出最常见的（模式） 顺序刻度：您可以排序，但不能说出一个与另一个的距离。布料尺寸就是一个例子。可以计算此比例的中值/最小值/最大值 定量量表：您可以计算这些量表的平均值、标准偏差和分位数 代码示例 给予 这是不好的，因为vs是一个二进制变量，用于指示汽车是采用v型发动机还是直置发动
dfdf.descripe（）- 标称刻度：标称刻度仅允许检查等效性。例如性别、姓名、城市名称。您基本上只能计算它们出现的频率，并给出最常见的（模式）
- 顺序刻度：您可以排序，但不能说出一个与另一个的距离。布料尺寸就是一个例子。可以计算此比例的中值/最小值/最大值
- 定量量表：您可以计算这些量表的平均值、标准偏差和分位数
vsmtcars$vs = factor(mtcars$vs, levels=c(0, 1), labels=c("straight engine", "V-Engine"))
mtcars$am = factor(mtcars$am, levels=c(0, 1), labels=c("Automatic", "Manual"))
mtcars$gear = factor(mtcars$gear)
mtcars$carb = factor(mtcars$carb)
summary(mtcars)
counts freqs
categories
3 15 0.46875
4 12 0.37500
5 5 0.15625
mpg cyl disp hp drat
Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0 Min. :2.760
1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5 1st Qu.:3.080
Median :19.20 Median :6.000 Median :196.3 Median :123.0 Median :3.695
Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7 Mean :3.597
3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0 3rd Qu.:3.920
Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0 Max. :4.930
wt qsec vs am gear carb
Min. :1.513 Min. :14.50 straight engine:18 Automatic:19 3:15 1: 7
1st Qu.:2.581 1st Qu.:16.89 V-Engine :14 Manual :13 4:12 2:10
Median :3.325 Median :17.71 5: 5 3: 3
Mean :3.217 Mean :17.85 4:10
3rd Qu.:3.610 3rd Qu.:18.90 6: 1
Max. :5.424 Max. :22.90 8: 1
df["vs"] = df["vs"].astype('category')
但是这会使“vs”从描述中消失。派对迟到了，但最近我碰巧也遇到了一些同样的问题，所以我想我会分享一下我对这一挑战的看法
在我看来，R更擅长处理分类变量。但是，有几种方法可以通过使用Python与
pd.category（）pd.GetDummies（）descripe（）am分别为0或1。而档位为3、4或5
，但仍被合理地视为分类值而非数值。因此，对于am
我将用“自动”和“分类”替换0和1，但对于齿轮，我将应用pd.GetDummies（）
为每个齿轮类别获得0或1，以便能够轻松计算出有多少个模型，例如，3个齿轮
我有一个实用函数已经存在了一段时间，昨天我改进了一点。它当然不是最基本的元素，但它应该提供与使用R代码片段相同的信息。最终输出表由行数不等的列组成。我没有将一个类似的表作为数据帧并用NaN填充它，而是将信息分为两部分：一个表用于数值，另一个表用于分类值，因此最终得到以下结果：
count
Straight Engine 18
V engine 14
automatic 13
manual 19
cyl_4 11
cyl_6 7
cyl_8 14
gear_3 15
gear_4 12
gear_5 5
carb_1 7
carb_2 10
carb_3 3
carb_4 10
carb_6 1
carb_8 1
mpg disp hp drat wt qsec
count 32.000000 32.000000 32.000000 32.000000 32.000000 32.000000
mean 20.090625 230.721875 146.687500 3.596563 3.217250 17.848750
std 6.026948 123.938694 68.562868 0.534679 0.978457 1.786943
min 10.400000 71.100000 52.000000 2.760000 1.513000 14.500000
25% 15.425000 120.825000 96.500000 3.080000 2.581250 16.892500
50% 19.200000 196.300000 123.000000 3.695000 3.325000 17.710000
75% 22.800000 326.000000 180.000000 3.920000 3.610000 18.900000
max 33.900000 472.000000 335.000000 4.930000 5.424000 22.900000
以下是简单复制和粘贴的整个过程：
# imports
import pandas as pd
# to easily access R datasets:
# pip install pydataset
from pydataset import data
# Load dataset
df_mtcars = data('mtcars')
# The following variables: cat, dum, num and recoding
# are used in the function describeCat/df, dummies, recode, categorical) below
# Specify which variables are dummy variables [0 or 1],
# ategorical [multiple categories] or numeric
cat = ['cyl', 'gear', 'carb']
dum = ['vs', 'am']
num = [c for c in list(df_mtcars) if c not in cat+dum]
# Also, define a dictionary that describes how some dummy variables should be recoded
# For example, in the series am, 0 is recoded as automatic and 1 as manual gears
recoding = {'am':['manual', 'automatic'], 'vs':['Straight Engine', 'V engine']}
# The function:
def describeCat(df, dummies, recode, categorical):
""" Retrieves specified dummy and categorical variables
from a pandas DataFrame and describes them (just count for now).
Dummy variables [0 or 1] can be recoded to categorical variables
by specifying a dictionary
Keyword arguments:
df -- pandas DataFrame
dummies -- list of column names to specify dummy variables [0 or 1]
recode -- dictionary to specify which and how dummyvariables should be recoded
categorical -- list of columns names to specify catgorical variables
"""
# Recode dummy variables
recoded = []
# DataFrame to store recoded variables
df_recoded = pd.DataFrame()
for dummy in dummies:
if dummy in recode.keys():
dummySeries = df[dummy].copy(deep = True).to_frame()
dummySeries[dummy][dummySeries[dummy] == 0] = recode[dummy][0]
dummySeries[dummy][dummySeries[dummy] == 1] = recode[dummy][1]
recoded.append(pd.Categorical(dummySeries[dummy]).describe())
df_rec = pd.DataFrame(pd.Categorical(dummySeries[dummy]).describe())
df_recoded = pd.concat([df_recoded.reset_index(),df_rec.reset_index()],
ignore_index=True).set_index('categories')
df_recoded = df_recoded['counts'].to_frame()
# Rename columns and change datatype
df_recoded['counts'] = df_recoded['counts'].astype(int)
df_recoded.columns = ['count']
# Since categorical variables will be transformed into dummy variables,
# all remaining dummy variables (after recoding) can be treated the
# same way as the categorical variables
unrecoded = [var for var in dum if var not in recoding.keys()]
categorical = categorical + unrecoded
# Categorical split into dummy variables will have the same index
# as the original dataframe
allCats = pd.DataFrame(index = df.index)
# apply pd.get_dummies on all categoirical variables
for cat in categorical:
newCats = pd.DataFrame(data = pd.get_dummies(pd.Categorical(df_mtcars[cat]), prefix = cat))
newCats.index = df_mtcars.index
allCats = pd.concat([allCats, newCats], axis = 1)
df_cat = allCats.sum().to_frame()
df_cat.columns = ['count']
# gather output dataframes
df_output = pd.concat([df_recoded, df_cat], axis = 0)
return(df_output)
# Test run: Build a dataframe that describes the dummy and categorical variables
df_categorical = describeCat(df = df_mtcars, dummies = dum, recode = recoding, categorical = cat)
# describe numerical variables
df_numerical = df_mtcars[num].describe()
print(df_categorical)
print(df_numerical)
关于分类变量和descripe（）的旁注：
我在上面的函数中使用pd.category（）
的原因是descripe（）
的输出似乎有点不稳定。有时df_mtcars['gear'].astype（'category'）.descripe（）
返回：
count 32.000000
mean 3.687500
std 0.737804
min 3.000000
25% 3.000000
50% 4.000000
75% 4.000000
max 5.000000
Name: gear, dtype: float64
鉴于它被视为一个分类变量，它应该返回：
count 32
unique 3
top 3
freq 15
Name: gear, dtype: int64
我在这里可能是错的，我在复制这个问题上遇到了问题，但我可以发誓，这种情况时有发生
在pd.category（）
上使用descripe（）
，可以输出自己的格式，但至少看起来是稳定的
counts freqs
categories
3 15 0.46875
4 12 0.37500
5 5 0.15625
和一些关于
以下是将该函数应用于df_mtcars['gear']# code
pd.get_dummies(df_mtcars['gear'].astype('category'), prefix = 'gear')
# output
gear_3 gear_4 gear_5
Mazda RX4 0 1 0
Mazda RX4 Wag 0 1 0
Datsun 710 0 1 0
Hornet 4 Drive 1 0 0
Hornet Sportabout 1 0 0
Valiant 1 0 0
.
.
.
Ferrari Dino 0 0 1
Maserati Bora 0 0 1
Volvo 142E 0 1 0
value\u counts（）mtcars$vs = factor(mtcars$vs, levels=c(0, 1), labels=c("straight engine", "V-Engine"))
mtcars$am = factor(mtcars$am, levels=c(0, 1), labels=c("Automatic", "Manual"))
mtcars$gear = factor(mtcars$gear)
mtcars$carb = factor(mtcars$carb)
summary(mtcars)
counts freqs
categories
3 15 0.46875
4 12 0.37500
5 5 0.15625
这也恰好类似于对
pd.category（）descripe（）df.descripe（）for category in df.columns:
print('\n',category)
for typ in df.groupby(category).groups:
print(typ,'\t',len(df.groupby(category).groups[typ]))
我希望它会有所帮助：）您可以通过指定
df.descripe（include='all'）descripedf[“vs”]