在熊猫中并排打印 .describe()答案

【问题标题】：Print side by side .describe() in pandas在熊猫中并排打印 .describe()
【发布时间】：2022-11-03 21:17:09
【问题描述】：

您好，我有两列我正在使用describe() 并且我正在获取他们的统计信息。我有这样的东西

x=pd.Series([1,3,4,6,7])        
y=pd.Series([75,324,234,42])
desk1=x.describe()
desk2=y.describe()

我想在每个类别的下方打印desk1 和desk2。我正在这样做：

print("desk1 stats",end="\t\t")
print("desk1 stats")
print(desk1,end="\t\t")
print(desk2)

我明白了：

desk1 stats     desk1 stats
count    5.000000
mean     4.200000
std      2.387467
min      1.000000
25%      3.000000
50%      4.000000
75%      6.000000
max      7.000000
dtype: float64      count      4.000000
mean     168.750000
std      133.185022
min       42.000000
25%       66.750000
50%      154.500000
75%      256.500000
max      324.000000
dtype: float64

我想要的输出是这样的：

desk1 stats     desk1 stats
count    5.000000  count      4.000000
mean     4.200000  mean     168.750000
std      2.387467  std      133.185022
min      1.000000  min       42.000000
25%      3.000000  25%       66.750000
50%      4.000000  50%      154.500000
75%      6.000000  75%      256.500000
max      7.000000  max      324.000000
dtype: float64     dtype: float64

我不想创建数据框。任何解决方案？提前致谢

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

如何使用：

print(pd.concat([desk1, desk2],
                 keys=['desk1 description', 'desk2 description'],
                 axis=1))

输出：

       desk1 description  desk2 description
count           5.000000           4.000000
mean            4.200000         168.750000
std             2.387467         133.185022
min             1.000000          42.000000
25%             3.000000          66.750000
50%             4.000000         154.500000
75%             6.000000         256.500000
max             7.000000         324.000000

对于更纯粹的 python 解决方案：

desks = [desk1, desk2]

print('
'.join(map('    '.join, zip(*(d.to_string().split('
')
                for d in desks)))))

输出：

count    5.000000    count      4.000000
mean     4.200000    mean     168.750000
std      2.387467    std      133.185022
min      1.000000    min       42.000000
25%      3.000000    25%       66.750000
50%      4.000000    50%      154.500000
75%      6.000000    75%      256.500000
max      7.000000    max      324.000000

【讨论】：

【解决方案2】：

您可以在 concat 之后获得值 describe ，注意 count 不会计算 nan

pd.concat([x,y],axis=1).describe()
Out[312]: 
              0           1
count  5.000000    4.000000
mean   4.200000  168.750000
std    2.387467  133.185022
min    1.000000   42.000000
25%    3.000000   66.750000
50%    4.000000  154.500000
75%    6.000000  256.500000
max    7.000000  324.000000

【讨论】：