Python・Pandas DataFrameの統計サマリーを取得する方法

Pandas DataFrameの統計サマリーとは

DataFrameの要約統計量（統計サマリー）を取得するには、describe()メソッドを使用します。このメソッドを呼び出すだけで、件数（count）、平均値（mean）、標準偏差（std）、最小値（min）、四分位数（25%・50%・75%）、最大値（max）といった主要な統計情報を一括して確認できます。

1. pandasライブラリのインポート

まず、以下のようにpandasライブラリをエイリアス「pd」付きでインポートします。

import pandas as pd

2. CSVファイルからDataFrameを作成

次に、read_csv()メソッドを使ってCSVファイルを読み込み、Pandas DataFrameを作成します。

dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")

3. describe()メソッドで統計サマリーを取得

作成したDataFrameに対してdescribe()メソッドを呼び出すことで、統計サマリーを取得できます。

dataFrame.describe()

完全なサンプルコード

以下に、ここまでの手順をまとめた完全なコード例を示します。

import pandas as pd

# CSVファイルを読み込む
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")
print("DataFrame...\n",dataFrame)

# DataFrameの行数と列数をカウントする
print("\nNumber of rows and column in our DataFrame = ",dataFrame.shape)

# DataFrameの統計サマリーを取得する
print("\nGet the summary of statistics of a DataFrame = \n",dataFrame.describe())

# 先頭7行のレコードを表示する
print("\nDataFrame with specific number of rows...\n",dataFrame.head(7))

実行結果

上記のコードを実行すると、次のような出力が得られます。

DataFrame...
         Car       Place   UnitsSold
0        Audi   Bangalore          80
1     Porsche      Mumbai         110
2  RollsRoyce        Pune         100
3         BMW       Delhi          95
4    Mercedes   Hyderabad          80
5 Lamborghini Chandigarh          80
6        Audi      Mumbai         100
7    Mercedes        Pune         120
8 Lamborghini       Delhi         100

Number of rows and colums in our DataFrame = (9, 3)

Get the summarry of statistics of a DataFrame =
        UnitsSold
count    9.000000
mean    96.111111
std     14.092945
min     80.000000
25%     80.000000
50%    100.000000
75%    100.000000
max    120.000000

DataFrame with specific number of rows ...
         Car       Place   UnitsSold
0        Audi   Bangalore          80
1     Porsche      Mumbai         110
2  RollsRoyce        Pune         100
3         BMW       Delhi          95
4    Mercedes   Hyderabad          80
5 Lamborghini Chandigarh          80
6        Audi      Mumbai         100

ポイントのまとめ

describe()メソッドは数値型の列のみを対象に統計量を算出します。今回の例では「UnitsSold」列が対象となり、平均値が約96.11、標準偏差が約14.09であることがわかります。また、head(7)のように引数を指定することで、先頭から任意の行数だけレコードを表示することも可能です。データ分析の最初のステップとして、describe()で全体像を把握しておくと効率的です。