PythonのPandasでデータを要約する方法：describe関数の使い方

データ分析を行う際、データに関するさまざまな情報を取得するために複数の関数を使い分けることができます。しかし、データの統計情報を一括して確認したい場合には、describe 関数を使用するのが便利です。

describe関数を呼び出すだけで、以下のような主要な統計量を一度に取得できます。

• count（データ数）
• mean（平均値）
• std（標準偏差）
• min（最小値）
• 25%（第1四分位数）
• 50%（中央値・第2四分位数）
• 75%（第3四分位数）
• max（最大値）

これにより、データ全体の分布や傾向を素早く把握することが可能になります。

サンプルコード

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("The dataframe is :")
my_df = pd.DataFrame(my_data)
print(my_df)
print("The description of data is :")
print(my_df.describe())

実行結果

The dataframe is :
    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
The description of data is :
           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

コードの解説

• 必要なライブラリをインポートし、使いやすいように別名（エイリアス）を付けています。
• キーと値からなる辞書を作成します。ここでの値は、実際にはSeriesというデータ構造になっています。
• この辞書は、後ほどpandasライブラリに含まれる「DataFrame」関数の引数として渡されます。
• 作成されたデータフレームがコンソールに出力されます。
• 次に、データに関するすべての統計情報を取得することを目指します。
• データフレームに対してdescribe関数を呼び出します。
• 最後に、得られた要約統計量がコンソールに出力されます。

補足ポイント

なお、describe関数はデフォルトでは数値型の列のみを対象とします。文字列などのオブジェクト型の列も含めて要約したい場合は、include='all' を引数に指定することで対応できます。また、特定のパーセンタイルを表示したい場合は percentiles 引数でカスタマイズすることも可能です。