标签：哪些 include 16px 需要 特征 size iat media 相关
| 函数 | 作用 | 函数 | 作用 |
| count | 非缺失样本的数量 | sum | 求和 |
| mean | 均值 | mad | 平均绝对偏差（Mean absolute deviation） |
| median | 中位数 | min | 最小值 |
| max | 最大值 | mode | 众数 |
| abs | 绝对值 | prod | 乘积 |
| std | 标准差 | var | 无偏方差 |
| sem | 平均标准误差 | skew | 偏度（三阶矩） |
| kurt | 峰度（四阶矩） | quantile | 分位数 |
| cumsum | 累计求和 | cumprod | 累积 |
| cummax | 累计最大值 | cummin | 累积最小值 |
（1）describe()：查看各个特征的均值、标准差、最小值、最大值即分位数，对样本数据量进行统计,默认仅对数值型数据进行统计，也可通过上一节数据筛选中所说的include和exclude来设定包括或是剔除哪些类型的特征。
例如：>>>df.describe(include=[‘object‘])
需要注意的是：describe()也可以对非数值型数据进行统计，只是统计指标不同而已
例如：
>>>df[‘grade‘].describe() count 68 unique 6 top B freq 18 Name:grade,dtype:object
（2）info()：显示各个特征数据类型、非空值数量、总体样本量、占用的内存空间
>>>df.info()
（3）cov()：协方差，描述各个特征之间的相关关系。
>>>df.cov()
即：若有n个特征，将生成一个n*n的矩阵
需要注意的是：协方差的绝对值不反应线性相关的程度
（4）corr()：相关系数。表示线性相关的方向和相关程度，其值域为[-1,1]
>>>df.corr()
标签：哪些 include 16px 需要 特征 size iat media 相关
原文地址：https://www.cnblogs.com/Cheryol/p/13381894.html
