简体中文 繁體中文 English Deutsch 한국 사람 بالعربية TÜRKÇE português คนไทย Français Japanese

开启辅助访问 切换到宽版

站内搜索

搜索

活动公告

通知：为庆祝网站一周年，将在5.1日与5.2日开放注册，具体信息请见后续详细公告
04-22 00:04
通知：本站资源由网友上传分享，如有违规等问题请到版务模块进行投诉，资源失效请在帖子内回复要求补档，会尽快处理！
10-23 09:31
>社区 > 科技 > 经验交流 >帖子
本版发帖返回

如何利用Pandas Describe输出快速洞察数据集的关键特征掌握数据描述性统计分析的实用技巧提升数据分析效率

威震华夏关云长
SunJu_FaceMall

3万

主题

1158

科技点

3万

积分

白金月票

碾压王

积分
32796

立华奏
发表于 2025-10-3 09:40:00 | 显示全部楼层 |阅读模式

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

您需要 登录 才可以下载或查看，没有账号？立即注册

x
引言

在数据科学和分析领域，快速理解数据集的特征是任何分析项目的首要步骤。Pandas作为Python最流行的数据处理库，提供了强大的工具来简化这一过程。其中，describe()函数是一个特别有用的方法，它能够生成数据集的描述性统计摘要，帮助分析师迅速把握数据的核心特征。本文将深入探讨如何有效利用Pandas的describe()函数，从基础使用到高级技巧，帮助你提升数据分析效率，快速洞察数据集的关键特征。

Pandas describe()函数基础

基本语法与使用

Pandas的describe()函数是一个便捷的方法，用于生成数据集或数据系列的各种描述性统计信息。其基本语法非常简单：
  2. import pandas as pd
  4. # 对于整个DataFrame
  5. df.describe()
  7. # 对于单个Series
  8. df['column_name'].describe()
  10. # 包含特定百分位数
  11. df.describe(percentiles=[0.1, 0.5, 0.9])
复制代码

默认输出内容

对于数值型数据，describe()默认会输出以下统计指标：

• count: 非空值的数量
• mean: 平均值
• std: 标准差
• min: 最小值
• 25%: 第一四分位数(Q1)
• 50%: 中位数(Q2)
• 75%: 第三四分位数(Q3)
• max: 最大值

让我们通过一个实际例子来查看describe()的输出：
  2. import pandas as pd
  3. import numpy as np
  5. # 创建一个示例DataFrame
  6. np.random.seed(42)
  7. data = {
  8.     'Age': np.random.normal(40, 15, 1000).clip(18, 80),
  9.     'Income': np.random.lognormal(4, 0.5, 1000) * 1000,
  10.     'Score': np.random.normal(75, 10, 1000).clip(0, 100),
  11.     'Years_Experience': np.random.randint(0, 40, 1000)
  12. }
  14. df = pd.DataFrame(data)
  16. # 使用describe()函数
  17. print(df.describe())
复制代码

输出结果将类似于：
  2. Age        Income        Score  Years_Experience
  3. count  1000.000000   1000.000000  1000.000000       1000.000000
  4. mean     40.028830   62058.896931    74.947868         19.531000
  5. std      14.896619   32198.542873     9.965612         11.565414
  6. min      18.000000    8226.840532    30.919690          0.000000
  7. 25%      29.000000   38958.855532    68.244632          9.000000
  8. 50%      40.085612   56733.843832    74.983825         20.000000
  9. 75%      51.000000   78701.789336    81.715020         29.000000
  10. max      80.000000  296421.847538    99.999990         39.000000
复制代码

不同数据类型的输出差异

describe()函数会根据数据类型自动调整输出的统计指标：

1. 数值型数据：如上所示，包含计数、均值、标准差等八项指标。
2. 对象/字符串类型数据：输出计数、唯一值数量、最频繁出现的值及其频率。
  2. # 添加一个分类列
  3. df['Department'] = np.random.choice(['HR', 'IT', 'Finance', 'Marketing'], 1000)
  5. # 查看所有列的描述性统计
  6. print(df.describe(include='all'))
复制代码

对于’Department’列，输出会包含：

• count: 非空值数量
• unique: 唯一值数量
• top: 最频繁出现的值
• freq: 最频繁值的出现次数

自定义包含的数据类型

你可以使用include和exclude参数来控制describe()函数处理的数据类型：
  2. # 只包含数值型列
  3. df.describe(include=[np.number])
  5. # 只包含对象类型列
  6. df.describe(include=[object])
  8. # 排除数值型列
  9. df.describe(exclude=[np.number])
  11. # 包含多种类型
  12. df.describe(include=[np.number, 'category'])
复制代码

深入理解describe()的输出

理解数值型数据的统计指标

让我们详细解释每个统计指标的含义及其在数据分析中的应用：

计数表示每列中非空值的数量。这是检查数据完整性的第一步：
  2. # 检查缺失值
  3. missing_values = df.isnull().sum()
  4. print("缺失值数量:")
  5. print(missing_values)
  7. # 计算完整度
  8. completeness = (1 - df.isnull().mean()) * 100
  9. print("\n数据完整度(%):")
  10. print(completeness)
复制代码

均值和中位数都是衡量数据中心趋势的指标，但它们对不同数据分布的敏感度不同：
  2. # 比较均值和中位数
  3. mean_median_comparison = pd.DataFrame({
  4.     'Mean': df.mean(numeric_only=True),
  5.     'Median': df.median(numeric_only=True),
  6.     'Difference': df.mean(numeric_only=True) - df.median(numeric_only=True),
  7.     'Percent_Difference': (df.mean(numeric_only=True) - df.median(numeric_only=True)) / df.median(numeric_only=True) * 100
  8. })
  10. print(mean_median_comparison)
复制代码

当均值显著大于中位数时，表明数据右偏（有较大的异常值）；当均值显著小于中位数时，表明数据左偏。

标准差衡量数据的离散程度：
  2. # 计算变异系数（标准差/均值），用于比较不同量纲数据的离散程度
  3. coefficients_of_variation = df.std(numeric_only=True) / df.mean(numeric_only=True)
  4. print("变异系数:")
  5. print(coefficients_of_variation)
复制代码

四分位数将数据分为四个等份，有助于理解数据分布：
  2. # 计算四分位距（IQR）
  3. Q1 = df.quantile(0.25, numeric_only=True)
  4. Q3 = df.quantile(0.75, numeric_only=True)
  5. IQR = Q3 - Q1
  7. print("四分位距(IQR):")
  8. print(IQR)
  10. # 使用IQR检测异常值
  11. lower_bound = Q1 - 1.5 * IQR
  12. upper_bound = Q3 + 1.5 * IQR
  14. outliers = ((df.select_dtypes(include=[np.number]) < lower_bound) |
  15.             (df.select_dtypes(include=[np.number]) > upper_bound)).sum()
  17. print("\n异常值数量:")
  18. print(outliers)
复制代码

极值提供了数据的范围：
  2. # 计算数值范围
  3. data_range = df.max(numeric_only=True) - df.min(numeric_only=True)
  4. print("数值范围:")
  5. print(data_range)
复制代码

理解分类数据的统计指标

对于分类数据，describe()提供了不同的统计指标：
  2. # 分析分类数据
  3. categorical_summary = df['Department'].describe()
  4. print(categorical_summary)
  6. # 获取更详细的分类统计
  7. department_counts = df['Department'].value_counts()
  8. department_percentages = df['Department'].value_counts(normalize=True) * 100
  10. print("\n部门计数:")
  11. print(department_counts)
  13. print("\n部门百分比:")
  14. print(department_percentages)
复制代码

时间序列数据的描述性统计

对于时间序列数据，describe()同样有用：
  2. # 创建时间序列数据示例
  3. date_range = pd.date_range(start='2020-01-01', end='2022-12-31', freq='D')
  4. ts_data = {
  5.     'Date': date_range,
  6.     'Sales': np.random.poisson(100, len(date_range)) + np.random.normal(0, 10, len(date_range)),
  7.     'Customers': np.random.randint(10, 100, len(date_range))
  8. }
  10. ts_df = pd.DataFrame(ts_data)
  11. ts_df.set_index('Date', inplace=True)
  13. # 按时间分组分析
  14. monthly_data = ts_df.resample('M').sum()
  15. print("月度数据描述:")
  16. print(monthly_data.describe())
  18. # 按星期几分析
  19. ts_df['DayOfWeek'] = ts_df.index.dayofweek
  20. weekday_analysis = ts_df.groupby('DayOfWeek').mean()
  21. print("\n按星期几的平均值:")
  22. print(weekday_analysis)
复制代码

实用技巧与案例

1. 自定义百分位数

默认情况下，describe()提供25%, 50%, 和75%的百分位数。你可以自定义这些百分位数以获得更详细的分布信息：
  2. # 自定义百分位数
  3. custom_percentiles = [0.05, 0.1, 0.25, 0.5, 0.75, 0.9, 0.95]
  4. custom_desc = df.describe(percentiles=custom_percentiles)
  5. print(custom_desc)
  7. # 专注于特定百分位数范围
  8. def percentile_range_analysis(df, column, lower_p=0.1, upper_p=0.9):
  9.     lower_val = df[column].quantile(lower_p)
  10.     upper_val = df[column].quantile(upper_p)
  11.    
  12.     middle_range = df[(df[column] >= lower_val) & (df[column] <= upper_val)]
  13.    
  14.     analysis = {
  15.         f'{lower_p*100:.0f}th Percentile': lower_val,
  16.         f'{upper_p*100:.0f}th Percentile': upper_val,
  17.         'Range Width': upper_val - lower_val,
  18.         'Data Points in Range': len(middle_range),
  19.         'Percentage in Range': len(middle_range) / len(df) * 100
  20.     }
  21.    
  22.     return pd.Series(analysis)
  24. # 对Income列应用百分位范围分析
  25. income_analysis = percentile_range_analysis(df, 'Income', 0.1, 0.9)
  26. print("\n收入百分位范围分析:")
  27. print(income_analysis)
复制代码

2. 处理缺失值

describe()自动忽略缺失值，但有时我们需要更详细地了解缺失值的模式：
  2. # 添加一些缺失值
  3. df_with_missing = df.copy()
  4. df_with_missing.loc[np.random.choice(df.index, 50), 'Income'] = np.nan
  5. df_with_missing.loc[np.random.choice(df.index, 30), 'Score'] = np.nan
  7. # 缺失值分析
  8. def missing_value_analysis(df):
  9.     missing_count = df.isnull().sum()
  10.     missing_percentage = (df.isnull().mean() * 100).round(2)
  11.    
  12.     missing_df = pd.DataFrame({
  13.         'Missing_Count': missing_count,
  14.         'Missing_Percentage': missing_percentage
  15.     })
  16.    
  17.     return missing_df[missing_df['Missing_Count'] > 0].sort_values('Missing_Percentage', ascending=False)
  19. print("缺失值分析:")
  20. print(missing_value_analysis(df_with_missing))
  22. # 比较有缺失值和没有缺失值的统计
  23. print("\n完整数据的描述性统计:")
  24. print(df.describe())
  26. print("\n有缺失数据的描述性统计:")
  27. print(df_with_missing.describe())
复制代码

3. 分组描述性统计

分组分析是理解数据子集差异的强大工具：
  2. # 按部门分组分析
  3. grouped_desc = df.groupby('Department').describe()
  4. print(grouped_desc)
  6. # 更简洁的分组统计
  7. def grouped_stats(df, group_col, value_cols):
  8.     stats = df.groupby(group_col)[value_cols].agg(['count', 'mean', 'std', 'min', 'max'])
  9.     return stats
  11. numeric_cols = ['Age', 'Income', 'Score', 'Years_Experience']
  12. print("\n按部门的简洁统计:")
  13. print(grouped_stats(df, 'Department', numeric_cols))
  15. # 分组比较可视化
  16. import matplotlib.pyplot as plt
  17. import seaborn as sns
  19. plt.figure(figsize=(12, 6))
  20. sns.boxplot(x='Department', y='Income', data=df)
  21. plt.title('各部门收入分布')
  22. plt.show()
复制代码

4. 可视化describe()结果

将describe()的结果可视化可以更直观地理解数据分布：
  2. # 将describe()结果热力图可视化
  3. def visualize_describe(desc_df):
  4.     # 标准化数据以便更好地可视化
  5.     desc_normalized = desc_df.copy()
  6.     for col in desc_normalized.columns:
  7.         if desc_normalized[col].max() > desc_normalized[col].min():
  8.             desc_normalized[col] = (desc_normalized[col] - desc_normalized[col].min()) / (desc_normalized[col].max() - desc_normalized[col].min())
  9.    
  10.     plt.figure(figsize=(10, 6))
  11.     sns.heatmap(desc_normalized, annot=True, cmap='YlGnBu', fmt='.2f')
  12.     plt.title('标准化描述性统计热力图')
  13.     plt.show()
  15. # 可视化数值列的描述性统计
  16. numeric_desc = df.describe()
  17. visualize_describe(numeric_desc)
  19. # 创建分布图
  20. def plot_distributions(df, cols):
  21.     plt.figure(figsize=(15, 10))
  22.     for i, col in enumerate(cols, 1):
  23.         plt.subplot(2, 2, i)
  24.         sns.histplot(df[col], kde=True)
  25.         plt.title(f'{col} 分布')
  26.         
  27.         # 添加均值和中位数线
  28.         plt.axvline(df[col].mean(), color='r', linestyle='--', label='Mean')
  29.         plt.axvline(df[col].median(), color='g', linestyle='-', label='Median')
  30.         plt.legend()
  31.    
  32.     plt.tight_layout()
  33.     plt.show()
  35. plot_distributions(df, ['Age', 'Income', 'Score', 'Years_Experience'])
复制代码

5. 高级分析技巧

结合describe()与其他Pandas功能，可以进行更深入的分析：
  2. # 相关性分析
  3. correlation_matrix = df.corr()
  4. print("相关性矩阵:")
  5. print(correlation_matrix)
  7. # 可视化相关性矩阵
  8. plt.figure(figsize=(10, 8))
  9. sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt='.2f')
  10. plt.title('特征相关性热力图')
  11. plt.show()
  13. # 偏度和峰度分析
  14. from scipy import stats
  16. def distribution_analysis(df):
  17.     skewness = df.skew()
  18.     kurtosis = df.kurtosis()
  19.    
  20.     dist_analysis = pd.DataFrame({
  21.         'Skewness': skewness,
  22.         'Kurtosis': kurtosis
  23.     })
  24.    
  25.     # 解释偏度
  26.     def interpret_skewness(val):
  27.         if val > 1:
  28.             return "高度右偏"
  29.         elif val > 0.5:
  30.             return "中度右偏"
  31.         elif val < -1:
  32.             return "高度左偏"
  33.         elif val < -0.5:
  34.             return "中度左偏"
  35.         else:
  36.             return "相对对称"
  37.    
  38.     # 解释峰度
  39.     def interpret_kurtosis(val):
  40.         if val > 1:
  41.             return "尖峰分布"
  42.         elif val < -1:
  43.             return "平峰分布"
  44.         else:
  45.             return "接近正态分布"
  46.    
  47.     dist_analysis['Skewness_Interpretation'] = dist_analysis['Skewness'].apply(interpret_skewness)
  48.     dist_analysis['Kurtosis_Interpretation'] = dist_analysis['Kurtosis'].apply(interpret_kurtosis)
  49.    
  50.     return dist_analysis
  52. print("\n分布分析:")
  53. print(distribution_analysis(df.select_dtypes(include=[np.number])))
复制代码

提升数据分析效率的方法

1. 批量分析多个数据集

当你需要分析多个相似的数据集时，可以创建一个函数来自动化这个过程：
  2. def analyze_multiple_datasets(data_dict):
  3.     results = {}
  4.    
  5.     for name, df in data_dict.items():
  6.         # 基本描述性统计
  7.         desc_stats = df.describe()
  8.         
  9.         # 缺失值分析
  10.         missing_stats = missing_value_analysis(df)
  11.         
  12.         # 分布分析
  13.         dist_stats = distribution_analysis(df.select_dtypes(include=[np.number]))
  14.         
  15.         # 相关性分析（仅数值列）
  16.         numeric_cols = df.select_dtypes(include=[np.number]).columns
  17.         if len(numeric_cols) > 1:
  18.             corr_matrix = df[numeric_cols].corr()
  19.             # 找出强相关（|correlation| > 0.7）
  20.             strong_corrs = corr_matrix.abs().stack().sort_values(ascending=False)
  21.             strong_corrs = strong_corrs[(strong_corrs > 0.7) & (strong_corrs < 1.0)]
  22.         else:
  23.             strong_corrs = "无多个数值列用于相关性分析"
  24.         
  25.         results[name] = {
  26.             'Descriptive_Stats': desc_stats,
  27.             'Missing_Values': missing_stats,
  28.             'Distribution_Analysis': dist_stats,
  29.             'Strong_Correlations': strong_corrs
  30.         }
  31.    
  32.     return results
  34. # 示例：创建多个数据集进行分析
  35. dataset1 = df.copy()
  36. dataset2 = df.copy()
  37. dataset2['Income'] = dataset2['Income'] * 1.5 + np.random.normal(0, 5000, len(dataset2))
  39. datasets = {
  40.     'Original_Data': dataset1,
  41.     'Modified_Income_Data': dataset2
  42. }
  44. analysis_results = analyze_multiple_datasets(datasets)
  46. # 打印第一个数据集的分析结果
  47. print("原始数据集分析结果:")
  48. print("\n描述性统计:")
  49. print(analysis_results['Original_Data']['Descriptive_Stats'])
  50. print("\n缺失值分析:")
  51. print(analysis_results['Original_Data']['Missing_Values'])
复制代码

2. 自动化报告生成

将分析结果整合为自动化报告可以大大提高效率：
  2. def generate_data_report(df, title="数据分析报告"):
  3.     """生成数据分析报告"""
  4.     report = f"# {title}\n\n"
  5.    
  6.     # 数据集基本信息
  7.     report += "## 数据集基本信息\n\n"
  8.     report += f"- 行数: {df.shape[0]}\n"
  9.     report += f"- 列数: {df.shape[1]}\n"
  10.     report += f"- 数据类型:\n"
  11.     for dtype, count in df.dtypes.value_counts().items():
  12.         report += f"  - {dtype}: {count} 列\n"
  13.    
  14.     # 缺失值分析
  15.     report += "\n## 缺失值分析\n\n"
  16.     missing = missing_value_analysis(df)
  17.     if len(missing) > 0:
  18.         report += missing.to_markdown()
  19.         report += "\n\n"
  20.     else:
  21.         report += "数据集中没有缺失值。\n\n"
  22.    
  23.     # 数值列分析
  24.     numeric_cols = df.select_dtypes(include=[np.number]).columns
  25.     if len(numeric_cols) > 0:
  26.         report += "## 数值列描述性统计\n\n"
  27.         report += df[numeric_cols].describe().to_markdown()
  28.         report += "\n\n"
  29.         
  30.         report += "## 分布分析\n\n"
  31.         dist_analysis = distribution_analysis(df[numeric_cols])
  32.         report += dist_analysis.to_markdown()
  33.         report += "\n\n"
  34.    
  35.     # 分类列分析
  36.     categorical_cols = df.select_dtypes(include=['object', 'category']).columns
  37.     if len(categorical_cols) > 0:
  38.         report += "## 分类列分析\n\n"
  39.         for col in categorical_cols:
  40.             report += f"### {col}\n\n"
  41.             value_counts = df[col].value_counts()
  42.             report += value_counts.to_markdown()
  43.             report += "\n\n"
  44.    
  45.     # 相关性分析
  46.     if len(numeric_cols) > 1:
  47.         report += "## 相关性分析\n\n"
  48.         corr_matrix = df[numeric_cols].corr()
  49.         report += "相关性矩阵:\n\n"
  50.         report += corr_matrix.to_markdown()
  51.         report += "\n\n"
  52.         
  53.         # 找出强相关
  54.         strong_corrs = corr_matrix.abs().stack().sort_values(ascending=False)
  55.         strong_corrs = strong_corrs[(strong_corrs > 0.7) & (strong_corrs < 1.0)]
  56.         
  57.         if len(strong_corrs) > 0:
  58.             report += "强相关性 (|r| > 0.7):\n\n"
  59.             for idx, val in strong_corrs.items():
  60.                 report += f"- {idx[0]} 和 {idx[1]}: {val:.2f}\n"
  61.             report += "\n"
  62.         else:
  63.             report += "没有发现强相关性 (|r| > 0.7)。\n\n"
  64.    
  65.     return report
  67. # 生成报告
  68. report = generate_data_report(df, "员工数据分析报告")
  69. print(report)
  71. # 保存报告到文件
  72. with open("data_analysis_report.md", "w", encoding="utf-8") as f:
  73.     f.write(report)
复制代码

3. 结合其他Pandas函数使用

将describe()与其他Pandas函数结合使用，可以创建更强大的分析流程：
  2. # 创建一个综合分析函数
  3. def comprehensive_analysis(df):
  4.     """执行全面的数据分析"""
  5.     results = {}
  6.    
  7.     # 1. 基本描述性统计
  8.     results['descriptive_stats'] = df.describe()
  9.    
  10.     # 2. 缺失值分析
  11.     results['missing_values'] = missing_value_analysis(df)
  12.    
  13.     # 3. 分布分析
  14.     numeric_cols = df.select_dtypes(include=[np.number]).columns
  15.     if len(numeric_cols) > 0:
  16.         results['distribution_analysis'] = distribution_analysis(df[numeric_cols])
  17.    
  18.     # 4. 相关性分析
  19.     if len(numeric_cols) > 1:
  20.         corr_matrix = df[numeric_cols].corr()
  21.         results['correlation_matrix'] = corr_matrix
  22.         
  23.         # 找出强相关
  24.         strong_corrs = corr_matrix.abs().stack().sort_values(ascending=False)
  25.         strong_corrs = strong_corrs[(strong_corrs > 0.7) & (strong_corrs < 1.0)]
  26.         results['strong_correlations'] = strong_corrs
  27.    
  28.     # 5. 异常值检测
  29.     if len(numeric_cols) > 0:
  30.         Q1 = df[numeric_cols].quantile(0.25)
  31.         Q3 = df[numeric_cols].quantile(0.75)
  32.         IQR = Q3 - Q1
  33.         
  34.         lower_bound = Q1 - 1.5 * IQR
  35.         upper_bound = Q3 + 1.5 * IQR
  36.         
  37.         outliers = ((df[numeric_cols] < lower_bound) | (df[numeric_cols] > upper_bound)).sum()
  38.         results['outliers'] = outliers
  39.    
  40.     # 6. 分类变量分析
  41.     categorical_cols = df.select_dtypes(include=['object', 'category']).columns
  42.     if len(categorical_cols) > 0:
  43.         categorical_stats = {}
  44.         for col in categorical_cols:
  45.             categorical_stats[col] = {
  46.                 'value_counts': df[col].value_counts(),
  47.                 'percentages': df[col].value_counts(normalize=True) * 100
  48.             }
  49.         results['categorical_analysis'] = categorical_stats
  50.    
  51.     return results
  53. # 执行综合分析
  54. analysis = comprehensive_analysis(df)
  56. # 打印部分结果
  57. print("异常值数量:")
  58. print(analysis['outliers'])
  60. print("\n分类变量分析 - 部门:")
  61. print("计数:")
  62. print(analysis['categorical_analysis']['Department']['value_counts'])
  63. print("\n百分比:")
  64. print(analysis['categorical_analysis']['Department']['percentages'])
复制代码

4. 创建自定义描述函数

根据特定需求创建自定义描述函数，可以进一步提高分析效率：
  2. def custom_describe(df, group_by=None, numeric_only=True):
  3.     """自定义描述函数，支持分组分析"""
  4.    
  5.     def describe_group(group):
  6.         desc = group.describe()
  7.         
  8.         # 添加额外统计量
  9.         desc.loc['range'] = desc.loc['max'] - desc.loc['min']
  10.         desc.loc['variance'] = group.var()
  11.         desc.loc['skewness'] = group.skew()
  12.         desc.loc['kurtosis'] = group.kurtosis()
  13.         
  14.         # 添加变异系数
  15.         desc.loc['cv'] = desc.loc['std'] / desc.loc['mean']
  16.         
  17.         return desc
  18.    
  19.     if group_by is not None:
  20.         if numeric_only:
  21.             numeric_cols = df.select_dtypes(include=[np.number]).columns
  22.             df = df[[group_by] + list(numeric_cols)]
  23.         
  24.         grouped = df.groupby(group_by)
  25.         result = grouped.apply(describe_group)
  26.         return result
  27.     else:
  28.         if numeric_only:
  29.             df = df.select_dtypes(include=[np.number])
  30.         return describe_group(df)
  32. # 使用自定义描述函数
  33. print("按部门的自定义描述性统计:")
  34. print(custom_describe(df, group_by='Department'))
  36. print("\n整体自定义描述性统计:")
  37. print(custom_describe(df))
复制代码

总结

Pandas的describe()函数是数据分析师工具箱中不可或缺的工具，它能够快速提供数据集的关键统计特征。通过本文的介绍，我们不仅了解了describe()的基本用法，还探索了多种高级技巧，包括自定义百分位数、处理缺失值、分组分析、结果可视化等。

要充分利用describe()函数提升数据分析效率，建议：

1. 结合业务理解数据：统计指标只是数字，真正的洞察来自于将这些数字与业务背景相结合。
2. 创建可重用的分析函数：将常用的分析流程封装成函数，可以大大提高工作效率。
3. 可视化结果：将统计结果可视化，能够更直观地发现数据中的模式和异常。
4. 自动化报告生成：将分析过程自动化，生成标准化的报告，节省时间并确保一致性。
5. 持续学习：Pandas库不断发展，定期查看新功能和更新，可能会发现更高效的数据分析方法。

结合业务理解数据：统计指标只是数字，真正的洞察来自于将这些数字与业务背景相结合。

创建可重用的分析函数：将常用的分析流程封装成函数，可以大大提高工作效率。

可视化结果：将统计结果可视化，能够更直观地发现数据中的模式和异常。

自动化报告生成：将分析过程自动化，生成标准化的报告，节省时间并确保一致性。

持续学习：Pandas库不断发展，定期查看新功能和更新，可能会发现更高效的数据分析方法。

通过掌握这些技巧，你将能够更高效地使用Pandas进行数据探索和分析，快速洞察数据集的关键特征，为数据驱动的决策提供有力支持。
「七転び八起き（ななころびやおき）」
回复

使用道具 举报

返回列表 发新帖
您需要登录后才可以回帖 登录 | 立即注册
高级模式
B Color Image Link Quote Code Smilies

本版积分规则

关闭

站长推荐上一条 /1 下一条

友情链接

keba
磕巴白菜
别管 别听 就是玩
二次元论坛
二次元论坛
按下F逃离世界！
友链交换
友链交换
友链为随机排序，不代表本论坛观点
Telegram

Telegram

Discord

Discord

Tencent QQ

Tencent QQ

手机版|联系我们|小黑屋|TG频道|RSS |网站地图

Powered by Pixtech

© 2025-2026 Pixtech Team.

>