在使用`pandas`进行数据探索时，`describe()`函数是一个非常强大的工具！但它默认对数值型数据表现更佳。那么，如何用`describe()`分析类别型或离散型变量呢？ 🤔

首先，确保你的数据已正确加载到DataFrame中。例如：

```python

import pandas as pd

data = pd.read_csv('your_data.csv')

```

对于类别型或低频的离散型变量，直接使用`describe()`可能无法得到理想结果。这时，可以尝试以下方法：

1️⃣ 转换为category类型

将目标列转换为`category`，这样可以优化内存并让`describe()`输出更有意义：

```python

data['your_column'] = data['your_column'].astype('category')

data.describe(include=['category'])

```

2️⃣ 手动统计

如果需要更详细的统计信息（如频率分布），可以结合`value_counts()`：

```python

print(data['your_column'].value_counts())

```

通过这些方法，你可以轻松掌握类别型或离散型变量的基本情况，为后续数据分析打下坚实基础！📊🔍

数据分析 Pandas Python