爱站程序员基地Mr.林：小白，我们已经学会了数据导入，那么今天就来学习如何进行基本统计分析。
小白：好啊！
Mr.林：基本统计分析，又叫描述性统计分析，它是指运用制表、分类、图形以及计算概括性数据来描述数据特征的各项活动，以发现其内在规律的统计分析方法。
描述性统计分析主要包括数据的集中趋势分析、数据的离散程度分析、数据的频数分布分析等，常用的统计指标有：计数、求和、平均值、方差、标准差等。
在Pandas 中，使用describe 函数进行描述性统计分析。
我们继续使用导入使用的案例数据进行学习，输入以下代码：
1import pandas2data = pandas.read_csv(3\'D:/D/data.csv\',4 engine=\'python\',5 encoding=\'utf8\'6)
Mr.林：执行后，在变量浏览窗口中就可以看到刚导入的data变量了，双击打开data变量，就可以得到下面这张表。
然后输入以下代码
1# 对数据框进行描述统计分析2data.describe()
执行后，直接在输出窗口中可以查看结果。
1 id age2count 59101.000000 59101.0000003mean 149829.546471 27.2288624std 28772.846683 5.3895595min 100000.000000 3.000000625% 124850.000000 24.000000750% 150032.000000 26.000000875% 174773.000000 29.0000009max 199501.000000 87.000000
可以看到describe 函数仅对id、age这两列数据进行描述统计分析，小白，你知道为什么吗？
小白：因为只有这两列才是数值型数据。
Mr.林：是的，我们继续看，给出的结果有count（计数）、mean（平均值）、std（标准差）、min（最小值）、25%（第一四分位数）、50%（中位数）、75%（第三四分位数）、max（最大值），这样我们就可以对数据有个基本的了解。
小白：id这列数据其实统计mean（平均值）、std（标准差）、25%（第一四分位数）、50%（中位数）、75%（第三四分位数）这几个指标好像意义不大。
Mr.林：哈哈，不错呦！确实没什么意义。如果只要对age列进行统计，还可以这样写代码
1data.age.describe()
执行后，直接在输出窗口中可以查看结果。
1count 59101.0000002mean 27.2288623std 5.3895594min 3.000000525% 24.000000650% 26.000000775% 29.0000008max 87.000000
如果仅仅需要统计某个指标，可以这样写
1# 统计用户数2data.id.count()
统计结果：59101
1# 平均年龄2data.age.mean()
统计结果：27.228862
1# 年龄最大值2data.age.max()
统计结果：87
1# 年龄最小值2data.age.min()
统计结果：3
1# 年龄方差2data.age.var()
统计结果：29.04735
1# 年龄标准差2data.age.std()
统计结果：5.389559
小白：好的。
Mr.林：今天就到这，下次我们继续学习其他操作，小白你回去要多多练习，多敲代码。
如果你喜欢本文，可以点击右下角在看
如果你在跟着学习，请在留言区留言：打卡
如果你刚看到本文，可以查看本系列历史文章跟着学习：
跟小白学Python数据分析——Anaconda安装
跟小白学Python数据分析——使用spyder
跟小白学Python数据分析——数据导入1
跟小白学Python数据分析——数据导入2
长按识别下方二维码，并关注公众号
回复“DR”获取案例数据
