本文共 2571 字，大约阅读时间需要 8 分钟。

Pandas DataFrame 的 describe() 方法详解

Pandas 中的 describe() 方法是一个实用的工具，用于生成数据的统计概要信息。它能够快速总结 DataFrame 或 Series 中的基本统计指标，帮助数据分析人员快速了解数据的分布和特征。

describe() 方法的作用

describe() 的默认行为

数值列的描述性统计信息

对于包含数值数据的列，describe() 默认计算以下指标：

示例

import pandas as pd
data = {
    'Age': [23, 25, 28, 22, 30, 32, 25],
    'Salary': [3000, 3500, 4000, 2500, 5000, 5500, 3500],
    'Department': ['HR', 'IT', 'Finance', 'IT', 'HR', 'Finance', 'HR']
}
df = pd.DataFrame(data)
print(df.describe())

输出：

Age       Salary
count     7.000000
mean    26.428571
std     3.976719
min     22.000000
25%    23.500000
50%    25.000000
75%    29.000000
max     32.000000

解释输出：

• count：每列中非空的记录数量。
• mean：数据的平均值。
• std：数据的标准差，衡量数据分散程度。
• min 和 max：数据的最小值和最大值。
• 25%, 50%, 75%：数据的四分位数，中位数（50%）表示数据的中间值。

非数值列的描述信息

如果 DataFrame 包含非数值（对象类型）列，使用 describe() 会默认忽略这些列，除非显式指定参数。

非数值统计信息

对于对象类型（如字符串）的列，describe() 提供以下统计信息：

示例

print(df.describe(include='object'))

输出：

Department
count        7
unique       3
top        HR
freq        3

解释：

• count：非空字符串的数量。
• unique：唯一值的数量（如 HR、IT、Finance）。
• top：最频繁出现的值（如 HR）。
• freq：top 值出现的次数（如 HR 出现了 3 次）。

参数详解

主要参数

示例

示例 1：包括所有列

print(df.describe(include='all'))

输出：

Age       Salary Department
count    7.000000  7.000000
mean    26.428571  3857.142857
std     3.976719  1141.396572
min     22.000000  2500.000000
25%    23.500000  3250.000000
50%    25.000000  3500.000000
75%    29.000000  4250.000000
max     32.000000  5500.000000
unique        NaN          NaN         3
top           NaN          NaN        HR
freq          NaN          NaN         3

示例 2：自定义分位数

print(df.describe(percentiles=[0.1, 0.9]))

输出：

Age       Salary
count     7.000000
mean    26.428571
std     3.976719
min     22.000000
10%    22.600000
50%    25.000000
90%    31.200000
max     32.000000

实用技巧

总结

describe() 的关键点：

• 默认统计数值列，提供均值、标准差、分位数等描述性统计信息。
• 非数值列提供唯一值、频率等统计信息。
• 参数 include 和 exclude 控制要分析的数据类型。
• percentiles 参数允许自定义分位数，了解数据的分布。

使用场景

• 初步数据探索，快速了解数据的特征和分布。
• 检查数据质量（如缺失值和异常值）。
• 分析分类数据的分布和频率。

转载地址：http://qnvfk.baihongyu.com/