如何按列值筛选定义新DataFrame并对指定列运行.describe()统计？

你可以通过两步完成需求：先通过布尔索引筛出指定车型的行生成独立新DataFrame，再对目标列调用内置统计方法即可，没有额外依赖。

具体操作步骤 #

• 第一步：生成筛选后的目标DataFrame
  匹配Car Type列值为Sedan的所有行，核心代码为：
  sedan_df = df[df["Car Type"] == "Sedan"]
• 第二步：对目标列运行汇总统计
  从筛选结果中取出kilometers列，调用.describe()方法，即可输出该列的计数、均值、标准差、极值、分位数等全量汇总统计，核心代码为：
  km_summary = sedan_df["kilometers"].describe()

可直接运行的完整示例 #

import pandas as pd

# 加载/构造数据集
df = pd.DataFrame({
    "Car Type": ["Sedan", "SUV", "Sedan", "Truck", "Sedan", "SUV"],
    "kilometers": [12000, 35000, 28000, 52000, 18000, 41000]
})

# 筛选Sedan车型的行
sedan_df = df[df["Car Type"] == "Sedan"]
# 输出kilometers列的统计结果
print(sedan_df["kilometers"].describe())

实操注意事项 #

• 因Car Type列名包含空格，不能使用点语法直接访问（即df.Car Type），这类写法会直接触发Python语法错误，带空格的列必须通过中括号包裹字符串的方式索引。
• 如果不需要长期保留筛选后的中间数据，可以直接用链式写法一步完成统计，省去中间变量：
  df.loc[df["Car Type"] == "Sedan", "kilometers"].describe()
  该写法执行效率更高，也不会产生临时的筛选后DataFrame占用内存。
• 列值匹配需要和原始数据完全一致（包括大小写、前后多余空格），如果出现筛选结果为空、统计结果为NaN的情况，可以先运行df["Car Type"].unique()查看该列的实际取值，调整匹配规则避免错配。

内容的提问来源于stack exchange，提问作者Aaron E Larson