如何用for循环批量对数据表格多列执行summary统计？

完全没问题，而且我平时处理多列数据统计的时候，也经常这么干——不用重复写N遍summary()太爽了。我分两种常见的编程语言（R和Python）给你具体讲讲怎么实现，顺便纠正伪代码里的小细节：

情况1：用R语言实现 #

你的伪代码思路是对的，但要注意直接用列名字符串调用summary()是无效的，得从数据框里取出对应的列数据才行。这里给你完整的可运行代码：

基础for循环写法 #

# 先构造一个示例数据框（你可以替换成自己的数据）
my_data <- data.frame(
  a = rnorm(100),  # 正态分布数据
  b = runif(100),  # 均匀分布数据
  c = sample(1:5, 100, replace = TRUE)  # 分类数据
)

# 定义你要统计的列名列表
target_cols <- c("a", "b", "c")

# 批量统计并打印结果
for(col in target_cols) {
  cat("=== 列", col, "的统计结果 ===\n")
  # 用[[col]]取出数据框中对应列的内容
  print(summary(my_data[[col]]))
  cat("\n")  # 加空行分隔不同列的结果，可读性更好
}

更简洁的向量式写法（R推荐） #

R里更推崇向量式操作，用lapply可以一次性生成所有列的统计结果，再按需打印：

# 一次性生成指定列的summary，结果是一个列表
summary_results <- lapply(my_data[target_cols], summary)

# 遍历列表打印格式化后的结果
for(i in seq_along(summary_results)) {
  col_name <- names(summary_results)[i]
  cat("=== 列", col_name, "的统计结果 ===\n")
  print(summary_results[[i]])
  cat("\n")
}

情况2：用Python（Pandas）实现 #

如果你的数据是用Pandas处理的，也可以用类似的逻辑，Pandas里对应的统计函数是describe()：

import pandas as pd
import numpy as np

# 构造示例数据
my_data = pd.DataFrame({
    'a': np.random.normal(size=100),
    'b': np.random.uniform(size=100),
    'c': np.random.randint(1, 6, size=100)
})

target_cols = ['a', 'b', 'c']

# for循环批量统计
for col in target_cols:
    print(f"=== 列 {col} 的统计结果 ===")
    print(my_data[col].describe())
    print("\n")

# 更简洁的写法：直接对指定列调用describe
print("所有目标列的统计结果：")
print(my_data[target_cols].describe())

关键注意点 #

• 不管用哪种语言，都要从数据结构（数据框/DataFrame）中取出对应列的实际数据，而不是直接用列名字符串调用统计函数——这是你的伪代码里需要调整的地方。
• 如果需要把统计结果保存下来而不是只打印，可以把结果存入列表/字典，后续再导出成表格或者进一步处理。

内容的提问来源于stack exchange，提问作者Dr.Doofus