파이썬 pandas에서 데이터프레임의 요약 통계를 보는 방법은?

Q1: pandas에서 데이터프레임의 요약 통계 정보를 확인하는 기본 함수는 무엇인가요?
A1: `DataFrame.describe()` 함수입니다. 이 함수는 수치형 데이터 컬럼에 대해 개수(count), 평균(mean), 표준편차(std), 최소(min), 4분위수(25%, 50%, 75%), 최대(max) 값을 제공합니다.

---

Q2: `describe()` 함수는 어떤 데이터 유형에 대해 작동하나요?
A2: 기본적으로 수치형(numeric) 컬럼에 대해 작동합니다. 그러나 `describe(include='all')`를 사용하면 모든 데이터 타입(문자형, 범주형 등)에 대한 요약 통계를 함께 볼 수 있습니다.

---

Q3: `describe()` 함수 사용법과 예시는 어떻게 되나요?
A3:
```python
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [5.5, 6.5, 7.5, 8.5, 9.5],
'C': ['a', 'b', 'a', 'b', 'c']
})
수치형 요약 통계
print(df.describe())

모든 컬럼 요약 통계 (수치+비수치)
print(df.describe(include='all'))
```

---

Q4: 범주형 데이터에 특화된 요약 통계를 보고 싶으면 어떻게 해야 하나요?
A4: `describe(include=['object', 'category'])` 또는 `describe(include=['category'])`를 사용하면 문자형 및 범주형 데이터에 대한 요약(고유값 수, 최빈값, 최빈값 빈도 등)을 볼 수 있습니다.

---
Q5: 특정 데이터 타입만 선택해서 요약 통계를 보고 싶으면 어떻게 하나요?
A5: `describe(include=[데이터 타입])` 또는 `describe(exclude=[데이터 타입])` 인자를 이용해 포함하거나 제외할 데이터 타입을 지정할 수 있습니다. 예:
```python
df.describe(include=['float64']) float64 타입만
df.describe(exclude=['object']) object 타입 제외
```

---

Q6: 통계 지표를 수동으로 보고 싶을 때는 어떻게 해야 하나요?
A6: `mean()`, `median()`, `std()`, `min()`, `max()`, `count()` 등 개별 함수로도 계산할 수 있습니다. 예:
```python
df['A'].mean() 평균
df['B'].std() 표준편차
df.count() 각 컬럼별 데이터 개수
```

---

Q7: 요약 통계를 한눈에 보기 위한 추가 함수나 방법이 있나요?
A7: `pandas_profiling` 같은 라이브러리를 활용하거나, `info()`로 데이터 타입 및 결측치 정보를 보고, `value_counts()`로 범주형 분포를 플롯할 수도 있습니다.

---

요약 :
- 기본 요약 통계 : `df.describe()`
- 모든 타입 포함 : `df.describe(include='all')`
- 범주형만 : `df.describe(include=['object', 'category'])`
- 개별 통계: `df.mean()`, `df.std()` 등
- 데이터 타입 포함/제외 지정 가능: `include`, `exclude` 인자 활용

이렇게 pandas에서 데이터프레임의 요약 통계를 간편하게 확인할 수 있습니다.

파이썬의 pandas 라이브러리를 사용하면 데이터프레임의 요약 통계를 쉽게 확인할 수 있습니다.

`DataFrame.describe()` 메서드를 사용하여 수치형 데이터 및 범주형 데이터의 통계 요약을 확인할 수 있습니다.

수치형 데이터 요약 통계 수치형 데이터의 경우, `describe()` 메서드를 호출하면 평균, 표준편차, 최소값, 25th 퍼센타일, 중위수(median, 50th 퍼센타일), 75th 퍼센타일 및 최대값 등을 확인할 수 있습니다.

```python import pandas as pd 샘플 데이터프레임 생성 data = { 'A': [1, 2, 3, 4, 5], 'B': [5, 6, 7, 8, 9], 'C': [11, 12, 13, 14, 15] } df = pd.DataFrame(data) 요약 통계 확인 summary = df.describe() print(summary) ``` 범주형 데이터 요약 통계 범주형 데이터도 요약 통계를 확인할 수 있으며, `describe(include='object')`를 사용하면 범주형 변수에 대한 빈도 수와 고유값 등의 정보를 얻을 수 있습니다.

모든 데이터 유형을 포함하려면 `include='all'`을 사용할 수 있습니다.

```python 범주형 데이터가 포함된 데이터프레임 예시 data = { 'A': [1, 2, 2, 3, 3], 'B': ['X', 'Y', 'Y', 'X', 'X'], 'C': [11, 12, 12, 14, 14] } df = pd.DataFrame(data) 범주형 데이터 요약 통계 확인 summary_cat = df.describe(include='object') print(summary_cat) 모든 데이터 유형의 요약 통계 확인 summary_all = df.describe(include='all') print(summary_all) ``` 추가적인 요약 통계 pandas는 또한 각 열의 추가 통계를 원하는 경우 개별적인 메서드를 제공하고 있습니다.

예를 들어: - `df.mean()`: 각 열의 평균 - `df.median()`: 각 열의 중위수 - `df.std()`: 각 열의 표준편차 - `df.min()`: 각 열의 최소값 - `df.max()`: 각 열의 최대값 - `df.mode()`: 각 열의 최빈값 이러한 메서드를 사용하여 데이터프레임에 대한 더욱 구체적인 통계 분석이 가능합니다.

결론 pandas의 `describe()` 메서드를 활용하면 데이터프레임의 수치형 및 범주형 데이터에 대한 요약 통계를 손쉽게 확인할 수 있습니다.

데이터 분석 과정에서 중요한 첫 단계로 요약 통계를 활용하여 데이터의 특성을 파악하는 것이 매우 유용합니다.