Python是进行数据分析的一种出色语言，主要是因为以数据为中心的Python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas describe()用于查看一些基本的统计详细信息，例如数据帧的百分位数，均值，标准差等或一系列数值。当此方法应用于一系列字符串时，它将返回不同的输出，如以下示例所示。

用法：DataFrame.describe(percentiles=None, include=None, exclude=None)

参数：
percentile:列出像0-1之间的数字的数据类型以返回各自的百分位数
include:描述 DataFrame 时要包括的数据类型列表。默认为无
exclude:描述 DataFrame 时要排除的数据类型列表。默认为无

返回类型： DataFrame 的统计摘要。

要下载以下示例中使用的数据集，请单击此处。在以下示例中，使用的 DataFrame 包含一些NBA球员的数据。下面是任何操作之前的数据帧图像。

范例1：描述具有对象和数字数据类型的 DataFrame

在此示例中，描述了 DataFrame ，并传递了['object']以包含参数以查看对象系列的描述。将[.20，.40，.60，.80]传递给百分位数参数，以查看数字系列的相应百分位数。

# importing pandas module  
import pandas as pd  
  
# importing regex module 
import re 
    
# making data frame  
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")  
    
# removing null values to avoid errors  
data.dropna(inplace = True)  
  
# percentile list 
perc =[.20, .40, .60, .80] 
  
# list of dtypes to include 
include =['object', 'float', 'int'] 
  
# calling describe method 
desc = data.describe(percentiles = perc, include = include) 
  
# display 
desc

输出：
如输出图像中所示，返回了数据帧的统计描述以及各自传递的百分位数。对于带有字符串的列，返回NaN进行数字运算。


范例2：描述字符串系列

在此示例中，“名称”列调用describe方法，以查看对象数据类型的行为。

# importing pandas module  
import pandas as pd  
  
# importing regex module 
import re 
    
# making data frame  
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")  
    
# removing null values to avoid errors  
data.dropna(inplace = True)  
  
# calling describe method 
desc = data["Name"].describe() 
  
# display 
desc

输出：
如输出图像中所示，describe()的行为对于一系列字符串是不同的。
在这种情况下，返回了不同的统计信息，例如值的计数，唯一值，出现次数的最高值和发生频率。