按唯一用户ID统计性别总数，修正df.describe()统计异常问题

问题根源 #

你的数据属于用户多行为明细数据（单用户对应多条记录），df.describe(exclude=np.number)是对全量数据行做统计：

• user_id的唯一值是去重后的用户总数（5464）
• user_gender的频数是所有数据行中male出现的次数（55775），本质是用户行为的总次数，而非男性用户的数量，所以出现逻辑矛盾。

正确解决方案 #

先对用户维度去重，得到每个用户的唯一记录，再做统计：

1. 生成去重后的用户数据集

   # 按user_id去重，保留每个用户的第一条记录（可根据需求调整keep参数，比如'last'或自定义规则）
   user_unique_df = df.drop_duplicates(subset='user_id', keep='first')
   

2. 对去重后的数据集执行描述性统计

   user_unique_df.describe(exclude=np.number)
   

3. 直接查看性别用户数（可选）
   如果只需要性别维度的用户数量统计，可直接使用：

   user_unique_df['user_gender'].value_counts()
   

内容的提问来源于stack exchange，提问作者lilpearce