Thống kê mô tả một cột pandas: mean, median, std, idxmax
Bài 13/16 · Chương 4
Chọn, lọc và sắp xếp
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
Thống kê mô tả là vài con số tóm tắt một cột dữ liệu: tổng, trung bình, trung vị, giá trị hay gặp nhất, độ lệch chuẩn, nhỏ nhất, lớn nhất và các phân vị. Trong pandas mỗi số là một phương thức của Series, như mean(), median(), mode(), và idxmax() cho biết luôn dòng nào giữ giá trị lớn nhất.
Cần biết trước: axis trong NumPy, chọn cột và NaN trong NumPy.
Tổng, trung bình, nhỏ nhất, lớn nhất
Chọn một cột bằng một lớp ngoặc để có Series, rồi gọi phương thức. Mỗi phương thức trả về đúng một con số:
import pandas as pd
don = pd.read_csv("don_hang.csv")
gia = don["don_gia"]
print(gia.sum(), gia.min(), gia.max())
tb = gia.mean()
print(f"Đơn giá trung bình: {tb:,.0f} đ".replace(",", "."))KẾT QUẢ
153281000 12000 890000
Đơn giá trung bình: 100.446 đTrung bình có phần lẻ nên được làm tròn bằng f-string, và dấu phẩy nghìn đổi thành dấu chấm cho quen mắt. Khác sum() của NumPy, vốn ra nan khi gặp ô trống, các phương thức của pandas bỏ qua ô trống: count() đếm số ô có giá trị, nên don["ngay_giao"].count() nhỏ hơn số dòng của bảng. Đổi don["don_gia"] thành don["so_luong"] rồi chạy lại: dòng đầu in 2910 1 10.
Trung bình, trung vị và mode
Đơn giá trung bình khoảng 100.446 đ, nhưng phần lớn đơn rẻ hơn thế nhiều. Vài đơn gần 900.000 đ kéo trung bình lên. Trung vị, giá trị đứng giữa khi xếp các số từ nhỏ đến lớn, không bị vài số cực lớn kéo lệch. Hãy hình dung lương của một phòng có giám đốc: trung bình bị lương giám đốc kéo lên, trung vị thì cho biết người ở giữa nhận bao nhiêu:
import pandas as pd
don = pd.read_csv("don_hang.csv")
gia = don["don_gia"]
print(gia.median())
print(gia.mode().to_list())
print(don["kenh"].mode().to_list())KẾT QUẢ
60000.0
[60000]
['Website']Mode là giá trị xuất hiện nhiều nhất. Có thể có nhiều giá trị hòa nhau ở vị trí đó, nên mode() trả một Series, và bạn dùng to_list() để in. Khác với trung bình và trung vị, mode dùng được cả với cột chữ như kenh.
Độ lệch chuẩn và phân vị
Độ lệch chuẩn std() đo các giá trị tản ra quanh trung bình xa hay gần. Phân vị quantile(q) trả giá trị mà một phần q của dữ liệu nằm dưới nó: quantile(0.5) chính là trung vị, quantile(0.9) là mức mà 90 phần trăm số đơn không vượt quá:
import pandas as pd
don = pd.read_csv("don_hang.csv")
gia = don["don_gia"]
print(round(gia.std()))
print(gia.quantile(0.25), gia.quantile(0.9))
print(gia.quantile([0.25, 0.5, 0.75]).to_list())KẾT QUẢ
107186
38000.0 250000.0
[38000.0, 60000.0, 120000.0]Độ lệch chuẩn lớn hơn cả trung bình cho thấy đơn giá trải rất rộng. Một phần tư số đơn có đơn giá từ 38.000 đ trở xuống, và chỉ một phần mười số đơn vượt 250.000 đ. Truyền list cho quantile() thì nhận nhiều phân vị một lần.
idxmax() và idxmin(): dòng nào giữ giá trị đó
max() cho biết đơn giá lớn nhất là bao nhiêu, còn idxmax() cho biết nhãn của dòng giữ giá trị đó. Có nhãn rồi, loc lấy được cả dòng:
import pandas as pd
don = pd.read_csv("don_hang.csv")
tien = don["so_luong"] * don["don_gia"]
nhan = tien.idxmax()
print(nhan, tien.max())
print(don.loc[nhan, ["ma_don", "kenh"]].to_list())
print(don.loc[tien.idxmin(), "ma_don"])KẾT QUẢ
873 2800000
['DH00874', 'Sàn TMĐT']
DH00072Khi nhiều dòng cùng giữ giá trị lớn nhất, idxmax() trả nhãn của dòng đứng trước. Muốn mọi dòng hòa, lọc bằng tien == tien.max().
Kiểm tra nhanh
Sau
import pandas as pdvàs = pd.Series([10, 20, 30, 100]),print(s.mean(), s.median())in ra gì?40.0 25.025.0 40.040.0 20.0
Sau
import pandas as pdvàs = pd.Series([3, 1, 3, 2, 1]),print(s.mode().to_list())in ra gì?[3][1, 3][1]
Sau
import pandas as pdvàs = pd.Series([40, 90, 10, 90], index=["a", "b", "c", "d"]),print(s.idxmax(), s.idxmin())in ra gì?b cd c1 2
Vì sao
web.iloc[web["don_gia"].idxmax()]có thể lấy nhầm dòng khiweblà bảng đã lọc?- Vì
idxmax()trả giá trị lớn nhất chứ không trả nhãn - Vì
idxmax()trả nhãn, cònilochiểu số đó là vị trí - Vì
idxmax()bỏ qua các dòng đã lọc
- Vì
Bài tập
Tóm tắt nhanh một cột số
Bạn cần ba con số đầu tiên cho mọi cột số mới gặp. Viết thân hàm tom_tat(bang, cot): trả về một dictionary có ba khóa:
"trung_binh": trung bình của cộtcot, kiểufloat."trung_vi": trung vị của cộtcot, kiểufloat."nhan_max": nhãn index của dòng có giá trị lớn nhất; nhiều dòng hòa thì lấy dòng đứng trước.
Cột luôn có ít nhất một giá trị và không có ô trống. Hàm không sửa bảng bang của nơi gọi.
Trả về: ba con số tóm tắt, một dict.
import pandas as pd
def tom_tat(bang, cot):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
sum(),mean(),median(),min(),max(),std()của Series trả một con số và bỏ qua ô trống;count()đếm ô có giá trị.Trung bình bị vài giá trị cực lớn kéo lệch, trung vị thì không: xem cả hai khi mô tả một cột tiền.
mode()trả một Series các giá trị hay gặp nhất, có thể nhiều hơn một, và dùng được với cột chữ.quantile(q)trả phân vị; truyền list để nhận nhiều phân vị một lần.idxmax(),idxmin()trả nhãn của dòng lớn nhất, nhỏ nhất: đi vớiloc, không đi vớiiloc.
Câu hỏi thường gặp
Có lệnh nào tính tất cả thống kê mô tả cùng lúc không?
describe() trả số đếm, trung bình, độ lệch chuẩn, nhỏ nhất, các phân vị và lớn nhất trong một bảng. Với cột tiền lớn, nó có thể in số dạng có số mũ, khó đọc, nên khi cần số dễ đọc, gọi từng phương thức và định dạng như bài định dạng tiền VNĐ.
Trung bình theo từng nhóm, như từng kênh, thì làm sao?
Dùng don.groupby("kenh")["don_gia"].mean(). Bài groupby() giải thích cách gom nhóm rồi tính.
Cột có ô trống thì mean() tính thế nào?
mean() bỏ qua ô trống và chia cho số ô có giá trị, như np.nanmean() ở bài NaN trong NumPy. Muốn biết có bao nhiêu ô trống, xem bài dữ liệu thiếu.
Chủ đề
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.