详细内容或原文请订阅后点击阅览
使用 Python 自动描述统计的 7 个步骤
停止为每一列编写mean() 和std()。了解如何在 Python 中自动执行描述性统计，并只需几个步骤即可生成可供发布的汇总表。
来源:KDnuggets简介
每个分析都以相同的方式开始：加载数据集并尝试找出其中实际内容。有多少行？哪些列是数字？少了多少？有什么事情严重扭曲吗？我们大多数人通过复制粘贴我们已经输入一千次的相同 df.describe()、df.isna().sum() 和 df.groupby(...).agg(...) 片段来回答这些问题，然后在需要将其放入报告中时手动重新格式化输出。
那是浪费精力。 Python 生态系统现在拥有一些工具，可以通过一两行将原始 DataFrame 转换为格式化的、可共享的汇总表，还有其他工具专门用于生成您在研究论文中经常看到的那种“表 1”。本教程将引导您完成构建可重复管道的 7 个步骤，而不是一堆一次性片段。我们将始终使用 Palmer Penguins 数据集。它很小，是开放的，并且具有数字和分类列、真实缺失值和自然分组变量（物种）的真实组合。那么让我们开始吧。
1. 设置环境并加载数据
安装我们将在本教程中使用的软件包：
pip install pandas seaborn slimpy tableone Great-tables fg-data-profiling
关于最后一个的重要说明：流行的分析库已被重命名不止一次。它最初是 pandas-profiling，在 2023 年更名为 ydata-profiling，并于 2026 年 4 月再次重命名为 fg-data-profiling。旧的 ydata-profiling 软件包仍然可以安装和运行，但不再接收更新，因此新项目应该更喜欢 fg-data-profiling。我们将在步骤 5 中介绍两种导入样式。
现在加载数据。Seaborn 有一个内置的企鹅数据集，这节省了我们的下载时间：
将 pandas 导入为 pd
将seaborn导入为sns
df = sns.load_dataset("企鹅")
打印（df.形状）