PythonPandasdescribe方法使用教程
2026-03-22 16:27:42
0浏览
收藏
Python中Pandas的describe()方法看似简单,实则暗藏诸多易被忽略的关键细节:它默认只统计数值型列,跳过字符串、时间等类型,导致结果“空空如也”或仅有count;分位数需显式通过percentiles参数定制,而非自动扩展;groupby后直接调用会生成难处理的MultiIndex,推荐改用agg更清晰高效;而缺失值虽被自动排除在均值、标准差之外,却会显著削弱分位数稳定性——真正踩坑的往往不是语法错误,而是对这些“默认行为”的误判。掌握dtype检查、to_numeric强转、include参数控制、percentiles精细配置及groupby替代方案,才能让describe()从“看起来有用”变成“真正可靠”的数据探索利器。

describe() 为什么返回空或只有 count?
常见现象是调用 df.describe() 后只看到 count 一列,或者压根没数值型列——这是因为 describe() 默认只对数值型(int64、float64 等)列生效,字符串、时间、类别型列直接被跳过。
实操建议:
- 先用
df.dtypes检查列类型,确认目标列确实是数值型;如果不是,用pd.to_numeric(df['col'], errors='coerce')强转,errors='coerce'会把无法解析的值变NaN而不报错 - 若想强制包含非数值列(比如看字符串长度分布),加参数
include='all'或明确指定类型,如include=['object', 'number'] describe()对datetime64列默认不处理,需先转成数值(如.astype('int64'))或用df['col'].dt访问器单独统计
describe() 输出的百分位数怎么控制?
默认输出 25%、50%(中位数)、75% 分位数,但实际业务常需要 90%、95% 或自定义点。这不是 bug,是设计如此——得靠 percentiles 参数显式传入。
实操建议:
- 传入小数列表,例如
df.describe(percentiles=[.1, .5, .9])会输出10%、50%、90%行 - 注意:传入值必须在
[0, 1]区间内,[0, 1]本身合法(即最小/最大值),但0.0和1.0不会自动显示为min/max,仍标为0%/100% - 如果同时设了
percentiles又想保留默认的25%/50%/75%,得手动补全:[.25, .5, .75] + [.9, .95]
describe() 在 groupby 后怎么用才不出错?
写 df.groupby('category').describe() 看似合理,但结果会出现多层列索引(MultiIndex),列名变成 (数值列名, 统计量名),后续取数容易报 KeyError。
实操建议:
- 最稳的方式是链式调用:先
groupby,再对单列用.agg显式指定统计项,比如df.groupby('cat')['value'].agg(['mean', 'std', 'count']) - 若坚持用
describe(),后续取某统计量需用元组索引,例如result[('value', 'mean')];也可用result.stack(0).reset_index(name='value')展平结构 - 性能上,
describe()在 groupby 后比等价的agg稍慢,因它内部做了冗余计算(比如总要算所有分位数),大数据量时建议优先选agg
describe() 的缺失值会影响哪些统计结果?
count 是非空值个数,其余统计量(mean、std 等)默认已自动忽略 NaN,这点和 NumPy 不同(np.mean([1,2,np.nan]) 会返回 nan)。但容易忽略的是:分位数计算对缺失值敏感,尤其样本少时。
实操建议:
describe()中的count是唯一反映缺失程度的指标,别指望它显示nan_count或missing_rate,得自己算:df.isna().sum() / len(df)- 当某列缺失率极高(比如 >95%),
describe()返回的mean、std可能不稳定,建议加判断:if df['col'].count() - 如果想让
describe()把NaN当作有效值参与计算(极少见),必须先填充,例如df.fillna(0).describe(),但此举会扭曲原始分布
真正麻烦的不是不会调用 describe(),而是没意识到它背后默认过滤 NaN、默认忽略非数值列、默认只算三个分位数——这些“默认”恰恰是调试时最常卡住的地方。
以上就是《PythonPandasdescribe方法使用教程》的详细内容,更多关于的资料请关注golang学习网公众号!
Windows便笺打不开怎么办
- 上一篇
- Windows便笺打不开怎么办
- 下一篇
- HTMLtextarea标签用法详解
查看更多
最新文章
-
- 文章 · python教程 | 8小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 8小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
-
- 文章 · python教程 | 9小时前 |
- Python textwrap.TextWrapper.drop_whitespace 怎样控制换行边缘的空白保留
- 238浏览 收藏
-
- 文章 · python教程 | 10小时前 | 标准库 · python · Python 参数绑定 Signature BoundArguments inspect.Signature.bind_partial
- Python inspect.Signature.bind_partial 怎样允许缺省必填参数进行部分绑定
- 492浏览 收藏
-
- 文章 · python教程 | 11小时前 | python · 文件系统 · Python 文件比较 mtime filecmp.clear_cache filecmp.cmp 比较缓存
- Python filecmp.clear_cache 怎样清除文件比较结果缓存
- 290浏览 收藏
-
- 文章 · python教程 | 12小时前 | 标准库 · 递归 · python · Python 解释器 递归限制 sys.getrecursionlimit
- Python sys.getrecursionlimit 怎样读取解释器设置的递归深度上限
- 129浏览 收藏
-
- 文章 · python教程 | 13小时前 | Python教程 · Python memoryview memoryview.toreadonly bytearray 只读视图 缓冲区协议
- Python memoryview.toreadonly 怎样生成只读视图而不复制底层数据
- 470浏览 收藏
-
- 文章 · python教程 | 14小时前 | 标准库 · Python教程 · Python decimal flags 精度 舍入 Context.copy_abs Decimal.copy_abs
- Python decimal.Context.copy_abs 怎样取绝对值而不受当前精度舍入影响
- 389浏览 收藏
-
- 文章 · python教程 | 15小时前 | 字符串 · 标准库 · Python教程 · Python placeholder 文本截断 textwrap TextWrapper max_lines
- Python textwrap.TextWrapper.placeholder 怎样为截断后的段落设置结束标记
- 301浏览 收藏
-
- 文章 · python教程 | 16小时前 | python · Python 参数绑定 inspect BoundArguments apply_defaults
- Python inspect.BoundArguments.apply_defaults 怎样给已绑定参数补上默认值
- 411浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1102次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1097次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1268次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1208次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1054次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

