如何用Pandas的describe()将多列变量合并为单变量统计

没问题，要把你的5列DataFrame当成单个变量用describe()统计其实很简单，核心就是把整个数据集扁平化转成一维结构，再调用统计方法就行。下面给你具体的实现步骤：

1. 先构造你的示例DataFrame #

首先我们先把你提供的数据转换成Pandas DataFrame：

import pandas as pd

# 你的原始数据
data = {
    'X1': [14, 42, 40, 74, 40, 74, 56, 85, 88, 3],
    'X2': [52, 15, 96, 99, 25, 58, 5, 65, 6, 5],
    'X3': [2, 86, 90, 8, 52, 91, 6, 17, 42, 84],
    'X4': [76, 79, 87, 75, 16, 2, 36, 4, 19, 33],
    'X5': [81, 52, 51, 95, 24, 9, 37, 2, 11, 56]
}
df = pd.DataFrame(data)

2. 方法一：用flatten()扁平化数据 #

这是最直接的方式，把DataFrame的二维数值数组转成一维，再包装成指定名称的Series：

# 将所有列的数值合并成一个一维Series，命名为X
combined_series = pd.Series(df.values.flatten(), name='X')
# 调用describe()获取统计结果
stats_result = combined_series.describe()

print(stats_result)

运行后会输出你预期的结果：

X
count 50.000000
mean 45.300000
std 32.567826
min 2.000000
25% 14.250000
50% 42.000000
75% 75.750000
max 99.000000

3. 方法二：用melt()转换数据结构 #

如果你想保留原始列的信息（虽然这里不需要），可以用melt()把宽表转成窄表，再提取数值列统计：

# 将宽表转换为窄表，值列命名为X
melted_df = df.melt(var_name='Original_Column', value_name='X')
# 对X列调用describe()
stats_result = melted_df['X'].describe()

这个方法得到的统计结果和上面完全一致，适合需要追溯数值来源列的场景。

两种方法都能完美实现你的需求，选你顺手的就行～

内容的提问来源于stack exchange，提问作者qwerty