Pandas.Series.describe() 统计学描述 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

Pandas.Series.describe()

Pandas.Series.describe 用于生成 Series 的统计学描述。返回一个多行的统计表，每一行对应一个统计指标，有总数、平均数、标准差、最小值、四分位数、最大值等，

• 参与统计描述的列，里面的 缺失值(NaN)，会在计算时被排除。

语法：

Series.describe(percentiles=None, include=None, exclude=None)

返回值：

• Series or DataFrame

  调用 Series.describe 方法时，根据传入类型的不同，返回 Series 或 DataFrame 。

参数说明：

include 数据类型白名单

• include : ‘all’, list-like of dtypes or None (default), optional

  include 参数，用于指定哪种数据类型的列参与统计描述。如果某列的数据类型出现在白名单中，此列将参与统计描述。

  • 对于 Series 此参数无效。

exclude 数据类型黑名单

• exclude : list-like of dtypes or None (default), optional,

  exclude 参数，用于指定要排除的数据类型白名单。如果某列的数据类型出现在黑名单中，此列将不会参与统计描述。

  • 对于 Series 此参数无效。

percentiles 自定义百分位数

• percentiles : *list-like of numbers, optional

  percentiles 参数用于自定义 百分位数 ：

  • list-like： 用 类似列表 传递自定义的 百分位数 ，列表里每个元素都应该介于0-1之间，默认状态下，百分数只会返回 [0.25, 0.5, 0.75] （即第1~3四分位数）。

  ?? 注意 :

  你可以指定多个百分位数。^例1

?? 注意 :

• 虽然 numpy.number 包含复数 np.complexfloating ，但是 Pandas.DataFrame.describe 只支持实数的计算，如果 DataFrame 存在复数，但是没有被排除，会引发报错 TypeError: a must be an array of real numbers 。 ^例2

• 对于数值数据（numeric data），结果的索引将包括 count、mean、std、min、max，以及 lower、50 和 upper 百分位数。默认情况下，lower 百分位数是 25，upper 百分位数是 75。50 百分位 数与 中位数 相同。

• 对于对象数据（object data），例如字符串或时间戳，结果的索引将包括 count、unique、top 和 freq。top 是最常见的值，freq 是最常见值的频率。时间戳还包括第一个和最后一个项。

• 如果多个对象值具有最高计数，则计数和 top 的结果将从具有最高计数的值中任意选择。

• 对于通过 Series 提供的混合数据类型()，默认情况下仅返回数值列的分析结果。如果 Series 仅包含对象(‘object’)和分类数据(‘category’)而没有任何数值列，则默认情况下将返回对对象(‘object’)和分类数据(‘category’)列的分析结果。如果提供了 include=‘all’ 作为选项，则结果将包括每种类型的属性的并集。

• include 和 exclude 参数可用于限制要分析的 Series 中的列。在分析 Series 时，这些参数将被忽略。

相关方法：

?? 相关方法

---

• DataFrame.count

  非空单元格计数

• DataFrame.max

  最大值

• DataFrame.min

  最小值

• DataFrame.mean

  平均值

• DataFrame.std

  样本标准差/总体标准差

• DataFrame.select_dtypes

  根据数据类型筛选列

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：自定义百分位数

import pandas as pd
import numpy as np
s = pd.Series(np.arange(1,10,1))

s.describe(include=[np.number], percentiles=[0.1, 0.4, 0.7, 0.8, 0.85])

count    9.000000
mean     5.000000
std      2.738613
min      1.000000
10%      1.800000
40%      4.200000
50%      5.000000
70%      6.600000
80%      7.400000
85%      7.800000
max      9.000000
dtype: float64

例2：复数的统计描述

例2-1、构建包含复数的Series

import numpy as np
import pandas as pd

# 构建演示数据
s = pd.Series([1 + 1j, 2 + 2j, 3 + 3j])

s

0    1.0+1.0j
1    2.0+2.0j
2    3.0+3.0j
dtype: complex128

例2-2、复数的统计描述，会引发报错

s.describe()

D:\miniconda3\envs\python3.12\Lib\site-packages\numpy\core\_methods.py:49: ComplexWarning: Casting complex values to real discards the imaginary part
  return umr_sum(a, axis, dtype, out, keepdims, initial, where)
D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\nanops.py:944: RuntimeWarning: invalid value encountered in sqrt
  result = np.sqrt(nanvar(values, axis=axis, skipna=skipna, ddof=ddof, mask=mask))



---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

Cell In[59], line 1
----> 1 df.describe()


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\generic.py:11544, in NDFrame.describe(self, percentiles, include, exclude)
  11302 @final
  11303 def describe(
  11304     self,
   (...)
  11307     exclude=None,
  11308 ) -> Self:
  11309     """
  11310     Generate descriptive statistics.
  11311 
   (...)
  11542     max            NaN      3.0
  11543     """
> 11544     return describe_ndframe(
  11545         obj=self,
  11546         include=include,
  11547         exclude=exclude,
  11548         percentiles=percentiles,
  11549     ).__finalize__(self, method="describe")


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\methods\describe.py:97, in describe_ndframe(obj, include, exclude, percentiles)
     90 else:
     91     describer = DataFrameDescriber(
     92         obj=cast("DataFrame", obj),
     93         include=include,
     94         exclude=exclude,
     95     )
---> 97 result = describer.describe(percentiles=percentiles)
     98 return cast(NDFrameT, result)


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\methods\describe.py:170, in DataFrameDescriber.describe(self, percentiles)
    168 for _, series in data.items():
    169     describe_func = select_describe_func(series)
--> 170     ldesc.append(describe_func(series, percentiles))
    172 col_names = reorder_columns(ldesc)
    173 d = concat(
    174     [x.reindex(col_names, copy=False) for x in ldesc],
    175     axis=1,
    176     sort=False,
    177 )


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\methods\describe.py:232, in describe_numeric_1d(series, percentiles)
    227 formatted_percentiles = format_percentiles(percentiles)
    229 stat_index = ["count", "mean", "std", "min"] + formatted_percentiles + ["max"]
    230 d = (
    231     [series.count(), series.mean(), series.std(), series.min()]
--> 232     + series.quantile(percentiles).tolist()
    233     + [series.max()]
    234 )
    235 # GH#48340 - always return float on non-complex numeric data
    236 dtype: DtypeObj | None


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\series.py:2769, in Series.quantile(self, q, interpolation)
   2765 # We dispatch to DataFrame so that core.internals only has to worry
   2766 #  about 2D cases.
   2767 df = self.to_frame()
-> 2769 result = df.quantile(q=q, interpolation=interpolation, numeric_only=False)
   2770 if result.ndim == 2:
   2771     result = result.iloc[:, 0]


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\frame.py:11831, in DataFrame.quantile(self, q, axis, numeric_only, interpolation, method)
  11827     raise ValueError(
  11828         f"Invalid method: {method}. Method must be in {valid_method}."
  11829     )
  11830 if method == "single":
> 11831     res = data._mgr.quantile(qs=q, interpolation=interpolation)
  11832 elif method == "table":
  11833     valid_interpolation = {"nearest", "lower", "higher"}


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\internals\managers.py:1508, in BlockManager.quantile(self, qs, interpolation)
   1504 new_axes = list(self.axes)
   1505 new_axes[1] = Index(qs, dtype=np.float64)
   1507 blocks = [
-> 1508     blk.quantile(qs=qs, interpolation=interpolation) for blk in self.blocks
   1509 ]
   1511 return type(self)(blocks, new_axes)


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\internals\blocks.py:1587, in Block.quantile(self, qs, interpolation)
   1584 assert self.ndim == 2
   1585 assert is_list_like(qs)  # caller is responsible for this
-> 1587 result = quantile_compat(self.values, np.asarray(qs._values), interpolation)
   1588 # ensure_block_shape needed for cases where we start with EA and result
   1589 #  is ndarray, e.g. IntegerArray, SparseArray
   1590 result = ensure_block_shape(result, ndim=2)


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\array_algos\quantile.py:39, in quantile_compat(values, qs, interpolation)
     37     fill_value = na_value_for_dtype(values.dtype, compat=False)
     38     mask = isna(values)
---> 39     return quantile_with_mask(values, mask, fill_value, qs, interpolation)
     40 else:
     41     return values._quantile(qs, interpolation)


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\array_algos\quantile.py:97, in quantile_with_mask(values, mask, fill_value, qs, interpolation)
     95     result = np.repeat(flat, len(values)).reshape(len(values), len(qs))
     96 else:
---> 97     result = _nanpercentile(
     98         values,
     99         qs * 100.0,
    100         na_value=fill_value,
    101         mask=mask,
    102         interpolation=interpolation,
    103     )
    105     result = np.array(result, copy=False)
    106     result = result.T


File D:\miniconda3\envs\python3.12\Lib\site-packages\pandas\core\array_algos\quantile.py:218, in _nanpercentile(values, qs, na_value, mask, interpolation)
    216     return result
    217 else:
--> 218     return np.percentile(
    219         values,
    220         qs,
    221         axis=1,
    222         # error: No overload variant of "percentile" matches argument types
    223         # "ndarray[Any, Any]", "ndarray[Any, dtype[floating[_64Bit]]]",
    224         # "int", "Dict[str, str]"  [call-overload]
    225         method=interpolation,  # type: ignore[call-overload]
    226     )


File D:\miniconda3\envs\python3.12\Lib\site-packages\numpy\lib\function_base.py:4277, in percentile(a, q, axis, out, overwrite_input, method, keepdims, interpolation)
   4275 a = np.asanyarray(a)
   4276 if a.dtype.kind == "c":
-> 4277     raise TypeError("a must be an array of real numbers")
   4279 q = np.true_divide(q, 100)
   4280 q = asanyarray(q)  # undo any decay that the ufunc performed (see gh-13105)


TypeError: a must be an array of real numbers