本文使用IPython自動生成的md檔案匯入

#使用pandas完成描述性統計

#通常拿到一組資料的第一步便是對資料的認識與探索，在這個過程中，描述性統計能夠幫助我們快速地對資料有一個大致的瞭解
#本節主要講解如何利用pandas實現資料的描述性統計

import pandas as pd
import numpy as np

type_specified={"trip_id":"object","bikeid":"object","from_station_id":"object","to_station_id":"object",
               "hour"
 
:"object","weekday":"object"}
ridership=pd.read_csv(r"E:\chicago_bikes_data\txt&csv\ridership_2016.txt",
                      nrows=10000,dtype=type_specified,usecols=range(1,12))

#ridership資料集是芝加哥公共自行車DivvyTrips使用記錄的一部分，

ridership.head()

.dataframe thead tr:only-child th { text-align: right; } .dataframe thead th { text-align: left; } .dataframe tbody tr th { vertical-align: top; }

trip_id	starttime	stoptime	bikeid	tripduration	from_station_id	from_station_name	to_station_id	to_station_name	usertype	gender
0	9080551	3/31/2016 23:53	4/1/2016 0:07	155	841	344	Ravenswood Ave & Lawrence Ave	458	Broadway & Thorndale Ave	Subscriber	Male
1	9080550	3/31/2016 23:46	3/31/2016 23:57	4831	649	128	Damen Ave & Chicago Ave	213	Leavitt St & North Ave	Subscriber	Male
2	9080549	3/31/2016 23:42	3/31/2016 23:46	4232	210	350	Ashland Ave & Chicago Ave	210	Ashland Ave & Division St	Subscriber	Male
3	9080548	3/31/2016 23:37	3/31/2016 23:55	3464	1045	303	Broadway & Cornelia Ave	458	Broadway & Thorndale Ave	Subscriber	Male
4	9080547	3/31/2016 23:33	3/31/2016 23:37	1750	202	334	Lake Shore Dr & Belmont Ave	329	Lake Shore Dr & Diversey Pkwy	Subscriber	Male

#首先，可以通過info方法，獲取資料集的基本資訊,該方法可以簡要描述資料各列的型別，非缺失的欄位數目

ridership.info()

#info()方法返回的資訊，顯示gender列存在缺失值，除過tripduration列是數值列外，其他列都是字元型別（object，和str型別是同一個意思）

#使用describe能夠方便的對Series，DataFrame型別的資料完成簡單的統計
#在此需要注意的是，有的資料列型別為數值，有的則為字元型別，describe函式對這兩種型別的資料描述統計分析也是不同的
#describe函式預設只對數值型資料進行描述性統計，為了對字元型資料進行描述性統計，可設定引數include
ridership.describe()

.dataframe thead tr:only-child th { text-align: right; } .dataframe thead th { text-align: left; } .dataframe tbody tr th { vertical-align: top; }

tripduration
count	10000.000000
mean	807.512700
std	2232.133671
min	62.000000
25%	352.000000
50%	571.500000
75%	912.000000
max	81702.000000

ridership.describe(include=["object"])

.dataframe thead tr:only-child th { text-align: right; } .dataframe thead th { text-align: left; } .dataframe tbody tr th { vertical-align: top; }

trip_id	starttime	stoptime	bikeid	from_station_id	from_station_name	to_station_id	to_station_name	usertype	gender
count	10000	10000	10000	10000	10000	10000	10000	10000	10000	8975
unique	10000	1538	1547	2817	431	431	430	430	2	2
top	9070628	3/31/2016 17:18	3/30/2016 17:09	4341	91	Clinton St & Washington Blvd	174	Canal St & Madison St	Subscriber	Male
freq	1	29	32	13	184	184	222	222	8977	7047

#可以看出，兩種型別的資料，描述性統計的描述方式是不同的

#除了以上兩種最基本的方法外，pandas還提供了計算均值，標準差，方差，分位數等一系列專門的方法，
#以計算均值為例，可以使用如下方法

ridership.var()

tripduration    4.982421e+06
dtype: float64