如何在Python中为选定数据生成规整的描述性统计表？

方法1：使用Python pandas（适合批量/自动化处理） #

如果你的统计结果可以导入Python，用pandas能快速完成规整：

1. 读取原始数据：针对空格/制表符分隔的杂乱文本，用以下代码导入：

import pandas as pd
# 读取空格分隔的文本文件，自动跳过多余空格
df = pd.read_table("原始统计结果.txt", sep="\s+", header=None)

2. 调整列结构：根据目标表格的列名（比如变量名、均值、中位数等）设置列名，再调整顺序：

# 按目标表格定义列名
df.columns = ["变量", "均值", "中位数", "标准差", "最小值", "最大值"]
# 确保列顺序和目标一致
df = df[["变量", "均值", "中位数", "标准差", "最小值", "最大值"]]

3. 导出规整表格：直接输出为Excel或CSV格式：

df.to_excel("规整统计结果.xlsx", index=False)
df.to_csv("规整统计结果.csv", index=False)

如果你的统计结果是从pandas的describe()直接输出的，可转置后整理：

# 假设data是你的原始数据集
stats = data.describe().T  # 转置行列，让变量作为行
stats.reset_index(inplace=True)
stats.columns = ["变量", "样本量", "均值", "标准差", "最小值", "25%分位数", "中位数", "75%分位数", "最大值"]
stats.to_excel("规整统计结果.xlsx", index=False)

方法2：使用Excel手动/半自动化处理 #

数据量不大时，用Excel快速整理：

• 拆分数据：选中杂乱的文本列，点击「数据」选项卡的「分列」功能，按空格/制表符拆分到不同列。
• 调整结构：删除空列，把变量名、各类统计值对应到目标列的位置。
• 美化表格：选中数据区域，用「开始」选项卡的「套用表格格式」一键格式化，或手动设置边框、对齐方式。

方法3：使用R语言tidyverse工具 #

R用户可借助tidyverse系列包完成：

1. 读入并整理数据：

library(tidyverse)
# 读取空格分隔的原始数据，自动去除多余空格
raw_stats <- read_delim("原始统计结果.txt", delim = " ", trim_ws = TRUE, col_names = FALSE)
# 设置列名并调整顺序
raw_stats <- raw_stats %>%
  set_names(c("变量", "均值", "中位数", "标准差", "最小值", "最大值")) %>%
  select("变量", "均值", "中位数", "标准差", "最小值", "最大值")

2. 导出表格：

# 导出为CSV
write_excel_csv(raw_stats, "规整统计结果.csv")
# 导出为Excel（需先安装writexl包）
library(writexl)
write_xlsx(raw_stats, "规整统计结果.xlsx")

内容的提问来源于stack exchange，提问作者Hae Ri Lee