1.3
计算汇总统计信息

除了查看数据，量化数据的重要属性也很重要。我们可以从计算其中一列的均值开始量化，如下所示：

print(hour['count'].mean())

在这里，我们通过使用方括号（[]）和列名（count）来访问hour数据集的count列。如果单独运行print(hour['count'])，你会看到整列的内容。但是我们只需要该列的均值，而不需要该列中的每个具体值，所以我们添加了pandas提供的mean()方法。我们看到均值约为189.46。从商业的角度来看，均值是对数据涵盖的两年的业务规模的粗略衡量。

除了计算均值，我们还可以计算其他重要指标，如下所示：

print(hour['count'].median())
print(hour['count'].std())
print(hour['registered'].min())
print(hour['registered'].max())

在这里，我们使用median()方法计算count列的中位数，使用std()方法计算count列的标准差（标准差是对一组数字离散程度的度量，它有助于我们了解数据中每个小时用户数量的变化量）。我们还分别使用min()和max()方法计算registered列的最小值和最大值。注册用户的数量从0到886不等，这显示了每小时的记录，以及如果你想让你的业务比以前更好，需要打破的纪录。

以上简单的计算被称为汇总统计，对数据集使用这些计算将很有帮助。检查数据集的汇总统计可以帮助你更好地了解数据，也可以帮助你更好地了解业务。

这些汇总统计看起来很简单，但其实许多 CEO 都无法马上回答有关他们公司的数据统计问题。了解像每天各时段的平均用户数量这样的简单数据，可以帮助了解公司的规模，以及公司有多少成长的空间。

这些汇总统计还可以与其他信息结合使用，以使我们了解更多内容。例如，如果你查看公司每小时自行车使用价格，将其乘以count列的均值，则可以获得两年内的总收入（我们使用的数据集的时间跨度为两年）。

你可以使用pandas中的方法（如mean()和median()）手动获取汇总统计，就像之前所做的那样；也可以使用另一种方法，一次性获取多个汇总统计信息，如下所示：

print(hour.describe())

在这里，我们使用describe()方法获取数据集中所有变量的汇总统计。输出如下所示：

           instant         season   ...      registered         count
count   17379.0000   17379.000000   ...    17379.000000  17379.000000
mean     8690.0000       2.501640   ...      153.786869    189.463088
std      5017.0295       1.106918   ...      151.357286    181.387599
min         1.0000       1.000000   ...        0.000000      1.000000
25%      4345.5000       2.000000   ...       34.000000     40.000000
50%      8690.0000       3.000000   ...      115.000000    142.000000
75%     13034.5000       3.000000   ...      220.000000    281.000000
max     17379.0000       4.000000   ...      886.000000    977.000000
[8 rows x 16 columns]

可以看到，describe()方法为我们提供了一个完整的表格，该表格包含几个常用的指标，比如每个变量的均值、最小值和最大值等。describe()的输出还包含百分位数，例如，25%表示数据集内各个数值类型列的第25百分位数。我们可以看到count列的第25百分位数为40，这意味着数据集内有25%的“每小时用户数”为40或40以下，而有75%的“每小时用户数”超过40。

使用describe()方法得到的表格很有用，它可以帮助我们检查数据问题。数据集通常会包含一些明显的错误，这些错误可以从describe()的输出中发现。例如，如果你在一个人员数据集上运行describe()方法，发现这些人的平均年龄是200岁，那么数据集中肯定存在错误。这样的错误显而易见，但在一篇发表于知名学术期刊上的研究论文中，确实发现了这种错误（平均年龄大于200岁）——如果那些研究人员使用了describe()就好了！你应该查看每个数据集的describe()输出，确保所有的值至少是在合理的范围内的。如果你发现了看起来不可信的数据，就需要找出数据中的问题并对问题进行修正。

截至目前，我们已经可以利用从数据中学到的知识来提出改进业务的方法。例如，我们发现，在数据记录的前24小时内，夜间骑行人数远远少于白天骑行人数。我们还发现，每小时用户数存在很大的变化：25%的时间内骑行人数不超过40，但在某个小时内骑行人数为977。作为CEO，你可能希望更多的时间中每小时的骑行人数接近977，而更少的时间中每小时的骑行人数不超过40。

你可以通过多种方式实现这个目标。例如，你可以降低夜间用车价格，以吸引更多的客户，并由此减少骑行人数较少的时间。仅通过简单的探索，你就可以继续从数据中学习并得到改进业务的方法。 796z/6NuSMAa3o2I8knCpKJyt0L5Ak4bNrbbRgZd4Y4LXqat0QiO+nPqVLHyFqfc