【Pandas】pandas DataFrame describe

发布于：2025-05-15 ⋅ 阅读:(17) ⋅ 点赞:(0)

Pandas2.2 DataFrame

Computations descriptive stats

方法 描述
DataFrame.abs() 用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna]) 用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna]) 用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace]) 用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …]) 用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …]) 用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only]) 用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only]) 用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna]) 用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna]) 用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna]) 用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna]) 用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, …]) 用于快速生成数据集的统计摘要（summary statistics）

pandas.DataFrame.describe()

pandas.DataFrame.describe() 是一个非常常用的函数，用于快速生成数据集的统计摘要（summary statistics）。默认情况下，它会对数值型列计算常见的描述性统计指标，如均值、标准差、最小最大值、四分位数等；对对象类型（字符串）列则输出数量、唯一值个数、最常见值等信息。

📌 方法签名：
DataFrame.describe(percentiles=None, include=None, exclude=None)
🧾 参数说明：
参数 类型 描述
percentiles list-like of floats, optional 要包含的百分位数（介于 0 和 1 之间），默认为 [0.25, 0.5, 0.75]，即四分位数。
include ‘all’, list of dtypes or None (default) 指定要包括的列的数据类型。例如：['object', 'number'] 或 'all' 表示所有列。
exclude list of dtypes, optional 指定要排除的列的数据类型。
📊 默认输出内容（针对数值型列）：
  • count：非空值数量
  • mean：平均值
  • std：标准差
  • min：最小值
  • 25%：第一四分位数（下四分位数）
  • 50%：第二四分位数（中位数）
  • 75%：第三四分位数（上四分位数）
  • max：最大值
✅ 示例及结果：
示例1：默认行为（仅数值列）
import pandas as pd

df = pd.DataFrame({
    'Age': [23, 45, 31, 22, 34],
    'Salary': [50000, 80000, 60000, 45000, 70000],
    'Department': ['HR', 'IT', 'IT', 'HR', 'Sales']
})

print(df.describe())
输出结果：
             Age        Salary
count   5.000000      5.000000
mean   31.000000  61000.000000
std     9.152727  14352.700142
min    22.000000  45000.000000
25%    23.000000  50000.000000
50%    31.000000  60000.000000
75%    34.000000  70000.000000
max    45.000000  80000.000000
示例2：包含对象类型列（字符串）
print(df.describe(include='all'))
输出结果：
             Age        Salary Department
count   5.000000      5.000000          5
unique       NaN           NaN          3
top          NaN           NaN         HR
freq         NaN           NaN          2
mean   31.000000  61000.000000        NaN
std     9.152727  14352.700142        NaN
min    22.000000  45000.000000        NaN
25%    23.000000  50000.000000        NaN
50%    31.000000  60000.000000        NaN
75%    34.000000  70000.000000        NaN
max    45.000000  80000.000000        NaN
示例3：自定义百分位数
# 自定义百分位数为 0.1, 0.5, 0.9
print(df.describe(percentiles=[0.1, 0.5, 0.9]))
输出结果：
             Age        Salary
count   5.000000      5.000000
mean   31.000000  61000.000000
std     9.152727  14352.700142
min    22.000000  45000.000000
10%    22.200000  46000.000000
50%    31.000000  60000.000000
90%    41.800000  78000.000000
max    45.000000  80000.000000
示例4：仅显示对象类型列
print(df.describe(include=['object']))
输出结果：
  Department
count         5
unique        3
top          HR
freq          2
🎯 适用场景：
场景 描述
数据探索分析（EDA） 快速了解数据分布、集中趋势和离散程度
缺失值检查 结合 count 判断是否存在缺失值
异常值检测 查看 min / max 是否有明显异常
特征工程前准备 确认各特征的基本统计特性是否合理
⚠️ 注意事项：
  • 默认只处理数值型列（int、float）
  • 可通过 include='all' 包含所有列
  • 对象类型列会返回 count, unique, top, freq 等统计量
  • 不会影响原始 DataFrame，返回新 DataFrame
📋 总结：
特性 描述
功能 生成 DataFrame 的统计摘要
默认行为 仅统计数值型列
支持扩展 可通过 include/exclude 控制统计列类型
是否修改原数据 否，返回新 DataFrame
常用用途 数据探索、质量检查、特征分析

describe() 是数据分析中最基础但最重要的方法之一，适合在建模前或可视化前快速了解数据分布情况。

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布