当前位置：首页 > news >正文

【Pandas】pandas DataFrame describe

news 2025/7/6 19:03:05

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 pddf = 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