数据分析：Pandas自定义describe方法，一行代码查看数据集各列的描述

Pandas提供describe方法，可以查看各列的计数、均值、最大最小值等，功能强大。下面介绍一种可根据自身要求，添加各个特征的其他描述的方法。

df.describe().T.assign(missing_rate = df.apply(lambda x : (len(x)-x.count())/float(len(x))))

T为转置，assign为添加的列。 

上述代码实现了，展示各列的计数、均值、最大最小值、标准差和第一、二、三个四分位值，同时增加了缺失率的计算。

 

	count	mean	std	min	25%	50%	75%	max
SeriousDlqin2yrs	150000.0	0.066840	0.249746	0.0	0.000000	0.000000	0.000000	1.0	0.000000
RevolvingUtilizationOfUnsecuredLines	150000.0	6.048438	249.755371	0.0	0.029867	0.154181	0.559046	50708.0	0.000000
age	150000.0	52.295207	14.771866	0.0	41.000000	52.000000	63.000000	109.0	0.000000
NumberOfTime30-59DaysPastDueNotWorse	150000.0	0.421033	4.192781	0.0	0.000000	0.000000	0.000000	98.0	0.000000
DebtRatio	150000.0	353.005076	2037.818523	0.0	0.175074	0.366508	0.868254	329664.0	0.000000
MonthlyIncome	120269.0	6670.221237	14384.674215	0.0	3400.000000	5400.000000	8249.000000	3008750.0	0.198207
NumberOfOpenCreditLinesAndLoans	150000.0	8.452760	5.145951	0.0	5.000000	8.000000	11.000000	58.0	0.000000
NumberOfTimes90DaysLate	150000.0	0.265973	4.169304	0.0	0.000000	0.000000	0.000000	98.0	0.000000
NumberRealEstateLoansOrLines	150000.0	1.018240	1.129771	0.0	0.000000	1.000000	2.000000	54.0	0.000000
NumberOfTime60-89DaysPastDueNotWorse	150000.0	0.240387	4.155179	0.0	0.000000	0.000000	0.000000	98.0	0.000000
NumberOfDependents	146076.0	0.757222	1.115086	0.0	0.000000	0.000000	1.000000	20.0	0.026160

最后一列为自定义的缺失率（复制的列名没显示出来）