DataFrame.describe(percentiles=None, include=None, exclude=None)
其物理意义在于观察这一系列数据的范围。大小、波动趋势等等，便于判断后续对数据采取哪类模型更合适。
基础数据：
# 时间dates = pd.date_range('20200115', periods=7)# dn表格每个维度df = pd.DataFrame(np.random.randn(7,5),index=dates,columns=list('ABCDa'))df.to_excel(r'D:\自动化\web\unittest\DataTest1.xls',sheet_name='Sheet1') #数据输出至Excel
1.第一个percentiles,这个参数可以设定数值型特征的统计量，默认是[.25, .5, .75],也就是返回25%，50%，75%数据量时的数字，但是这个可以修改的，
df['Parch'].describe(percentiles=[.2,.75, .8])默认有5
2.第二个参数：include，这个参数默认是只计算数值型特征的统计量，当输入include=['O']，会计算离散型变量的统计特征，，
举个例子如下：
df.describe(include=‘O’)
df.describe(include=[‘O’])
缺图
df.describe(include=‘all’)
此外传参数是‘all’的时候会把数值型和离散型特征的统计都进行显示。
3.第三个参数的设计就更贴心了，第二个参数是你可以指定选那些，第三个参数就是你可以指定不选哪些，人性化设计。这个参数默认不丢弃任何列，相当于无影响。
综述，无法取指定行数，比如只取Min行 暂时无法做到
部分内容转https://blog.csdn.net/fang_qingyi/article/details/102649589
来源：https://www.cnblogs.com/ffli/p/12201448.html