Сообщить об ошибкеКороткий ответ
Базовую статистику получают через df['col'].describe() или отдельные методы mean(), median(), std(), min(), max(), которые по умолчанию игнорируют пропуски.
Как это работает подробнее
describe() для числового столбца считает count, mean, std, min, 25/50/75 перцентили и max; count показывает число непустых значений, что сразу даёт понять, есть ли пропуски.
Пример кода
Пример Python
import pandas as pd
df = pd.DataFrame({'amount': [100, 150, 200, None, 100000]})
print(df['amount'].describe())Что использовать на практике
- На практике: среднее чувствительно к выбросам, медиана — устойчивее; перед интерпретацией стоит сравнить mean и median, а также посмотреть на min/max, чтобы заметить аномальные значения (отрицательные суммы, нулевые возраста и так далее).
- Проверка: count покажет 4 (не 5, из-за пропуска), а резкий разрыв между 75-м перцентилем и max сигнализирует о потенциальном выбросе 100000.
Подводные камни
- Частые ошибки: считают describe() достаточным анализом без визуализации распределения (гистограммы, boxplot), хотя одинаковые mean/median могут скрывать бимодальное распределение; забывают, что describe() по умолчанию игнорирует NaN, и интерпретируют count как общее число строк в таблице.