如何将Pandas describe()结果重塑为单行格式？机器学习特征统计需求

嘿，这个需求我做特征工程的时候也碰到过！默认的describe()输出是按统计指标分行的，确实不太方便直接作为特征输入模型，转成单行、列名带上「特征+统计量」的形式就舒服多了。

这里给你两种实用的实现方式，第一种简洁直接，第二种更灵活可控：

方法一：快速生成完整单行结果 #

直接利用Pandas的unstack()方法展开多层结构，再重塑成单行：

import pandas as pd
import numpy as np

# 你的示例数据
df = pd.DataFrame({'A' : [1,np.nan,3], 'B' : [20,30,40]})

# 获取describe结果并转成单行格式
desc_result = df.describe()
single_row_df = pd.DataFrame(
    desc_result.unstack().values.reshape(1, -1),
    columns=[f"{col}_{stat}" for col in desc_result.columns for stat in desc_result.index]
)

print(single_row_df)

运行后输出会是这样的单行DataFrame：

A_count  A_mean    A_std  A_min  A_25%  A_50%  A_75%  A_max  B_count  B_mean  B_std  B_min  B_25%  B_50%  B_75%  B_max
0      2.0     2.0  1.41421    1.0    1.5    2.0    2.5    3.0      3.0    30.0   10.0   20.0   25.0   30.0   35.0   40.0

方法二：自定义保留特定统计量 #

如果不需要describe()输出的所有指标（比如只需要count、mean、std），可以先筛选行再处理：

# 指定需要保留的统计量
target_stats = ['count', 'mean', 'std']
desc_result = df.describe().loc[target_stats]

# 生成单行结果
single_row_df = pd.DataFrame(
    desc_result.unstack().values.reshape(1, -1),
    columns=[f"{col}_{stat}" for col in desc_result.columns for stat in target_stats]
)

print(single_row_df)

这次输出就只包含你指定的统计量了：

A_count  A_mean    A_std  B_count  B_mean  B_std
0      2.0     2.0  1.41421      3.0    30.0   10.0

原理其实很简单：unstack()会把原DataFrame的列（A、B）和行索引（count、mean等）转成多层索引的Series，我们把这些值重塑成一行，再用「特征名+统计量」的组合作为新列名，完美契合特征工程里的单行特征需求～

内容的提问来源于stack exchange，提问作者mrgloom