Julia - describe() 函数显示不完整的汇总统计信息

Question

我正在尝试使用 Julia 进行基本数据分析

我正在关注this tutorial 的火车数据集，可以使用以下代码找到here（名为train_u6lujuX_CVtuZ9i.csv）：

using DataFrames, RDatasets, CSV, StatsBase
train = CSV.read("/Path/to/train_u6lujuX_CVtuZ9i.csv");
describe(train[:LoanAmount])

并得到这个输出：

Summary Stats:
Length:         614
Type:           Union{Missing, Int64}
Number Unique:  204

代替教程的输出：

Summary Stats:
Mean:           146.412162
Minimum:        9.000000
1st Quartile:   100.000000
Median:         128.000000
3rd Quartile:   168.000000
Maximum:        700.000000
Length:         592
Type:           Int64
% Missing:      3.583062

这也对应于describe()函数应该给出的StatsBase.jl的输出

Answer 1

这是当前（在当前版本中）在 StatsBase.jl 中实现的方式。简而言之，train.LoanAmount 没有 eltype 是 Real 的子类型，然后 StatsBase.jl 使用仅打印长度、eltype 和唯一值数量的后备方法。您可以写describe(collect(skipmissing(train.LoanAmount))) 来获取汇总统计信息（当然缺失的数量除外）。

但是，实际上，我建议您使用另一种方法。如果您想在单个列上获得更详细的输出，请使用：

describe(train, :all, cols=:LoanAmount)

您将获得一个额外作为DataFrame 返回的输出，这样您不仅可以查看统计信息，还可以访问它们。

选项:all 将打印所有统计信息，请参阅DataFrames.jl 中的describe 文档字符串以查看可用选项。

您可以在当前版本的 DataFrames.jl here 上找到一些使用此函数的示例。