df.describe()默认不包含中位数、偏度、极端分位数，忽略异常值影响，跳过非数值列，分组后结构易混淆，需用agg()、value_counts()等补充关键信息。
df.describe() 能快速给出数值列的常规统计量，但默认不包含中位数、偏度、分位数等关键指标，直接调用往往漏掉异常值和分布形态信息。
为什么 describe() 默认结果常不够用
它只对数值型列生效，自动跳过字符串或类别型字段；默认只返回 0.25/0.5/0.75 分位数，无法看到 0.9 或 0.01 这类极端分位；标准差和均值在存在异常值时会严重失真，而 describe() 不提示这一点。
- 若列含大量
NaN，count值偏低但不会警告缺失比例是否超 30% - 对偏态数据（如用户消费金额），
mean和median差距大，但默认输出里没并列对比 -
describe(include='all')会尝试处理非数值列，但对字符串只返回count、unique、top、freq，无法做词频分布或长度统计
agg() 自定义聚合比 describe() 更灵活
当你需要特定组合——比如同时看浏览时长的中位数和 90% 分位数、购买金额的 IQR 和偏度——agg() 是更直接的选择。
- 传入字典：如
{'browse_duration': ['median', lambda x: x.quantile(0.9)], 'purchase_amount': ['std', 'skew']} - 可混用内置字符串（
'mean'）和匿名函数，避免重复写.median()等方法调用 - 注意：lambda 函数返回标量，不能返回 Series，否则结果对齐会出错
- 若某列全为
NaN，对应聚合结果为NaN，不会报错但需人工检查
别忽略非数值列的描述性信息
用户 ID、商品类目、地区编码这类字段，describe() 的 include='all' 只给基础频次，远不够诊断数据质量。
- 用
value_counts(normalize=True).head(5)查前 5 名占比，识别是否某类目占 80% - 对字符串列，加
.str.len().describe()看长度分布，能发现异常空值或超长乱码 -
nunique()比unique更实用——它返回去重后数量，配合len()可算重复率 - 类别型字段建议先
astype('category')，再用cat.categories和cat.codes检查编码完整性
分组后描述统计容易误用 axis
用 groupby().describe() 时，输出是多级索引 DataFrame，各统计量被压成列，初学者常误以为它是“按组逐行展示”，其实结构是“每组 × 每个统计量 × 每列”。
- 真正想看每组内各列的中位数？直接
groupby('region')[['amount', 'duration']].median() -
describe()在 groupby 后默认仍按列聚合（axis=0），改axis=1会导致逻辑混乱，基本不用 - 若 groupby 后接
agg()，推荐用命名元组方式：agg([('med', 'median'), ('iqr', lambda x: x.quantile(0.75) - x.quantile(0.25))])，结果列名清晰可读
实际跑一遍 describe() 很快，但真正有用的描述性统计，取决于你是否主动绕开它的默认路径——尤其是中位数缺省、非数值列信息贫乏、分组结构易混淆这三点，最容易在第一次探索时埋下误判隐患。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
