如何为Mashable数据集的X、Y、Z数值变量生成指定统计量表格？

嘿，这事儿用Python的pandas库就能轻松搞定，它专门处理这类数据集统计和表格生成的需求，下面是具体步骤和代码：

步骤1：准备工作 #

首先确保你已经安装了pandas，如果没装的话，先执行这个命令：

pip install pandas

然后导入库并加载你的Mashable数据集（假设是CSV格式，如果是其他格式比如Excel，换成pd.read_excel()就行）：

import pandas as pd

# 加载数据集，替换成你的文件路径
df = pd.read_csv("mashable_dataset.csv")

步骤2：定义统计量计算函数 #

咱们可以写一个小函数，用来计算单个数值变量的所有指定统计指标，这样处理X、Y、Z三个变量时更高效：

def calculate_stats(col):
    count = df[col].count()
    pct_missing = round((df[col].isna().sum() / len(df)) * 100, 2)
    cardinality = df[col].nunique()
    min_val = df[col].min()
    q1 = df[col].quantile(0.25)
    mean = round(df[col].mean(), 2)
    median = df[col].median()
    q3 = df[col].quantile(0.75)
    max_val = df[col].max()
    std_dev = round(df[col].std(), 2)
    
    return [count, pct_missing, cardinality, min_val, q1, mean, median, q3, max_val, std_dev]

步骤3：生成统计表格 #

接下来针对X、Y、Z三个变量，调用上面的函数收集统计数据，然后整理成DataFrame，最后导出成Markdown格式的表格：

# 指定要分析的变量列表
variables = ['X', 'Y', 'Z']

# 构建统计结果的字典
stats_dict = {
    "Feature": variables,
    "Count": [calculate_stats(var)[0] for var in variables],
    "% Missing": [calculate_stats(var)[1] for var in variables],
    "Cardinality": [calculate_stats(var)[2] for var in variables],
    "Min.": [calculate_stats(var)[3] for var in variables],
    "1st Quartile": [calculate_stats(var)[4] for var in variables],
    "Mean": [calculate_stats(var)[5] for var in variables],
    "Median": [calculate_stats(var)[6] for var in variables],
    "3rd Quartile": [calculate_stats(var)[7] for var in variables],
    "Max.": [calculate_stats(var)[8] for var in variables],
    "Std. Dev.": [calculate_stats(var)[9] for var in variables]
}

# 转换成DataFrame
stats_df = pd.DataFrame(stats_dict)

# 输出Markdown格式的表格
print(stats_df.to_markdown(index=False))

补充说明 #

• 代码里的round()函数是用来控制小数位数的，你可以根据需求调整保留的位数；
• 如果你的数据集里X、Y、Z的列名不是精确的'X'/'Y'/'Z'，记得替换成实际的列名；
• 执行完代码后，控制台会直接输出符合你要求格式的Markdown表格，你可以直接复制使用。

内容的提问来源于stack exchange，提问作者Lisa Staal