从pandas v15.0开始，当dataframe具有 * 混合列类型 * 时，使用参数DataFrame.describe(include = 'all')来获取所有列的摘要。默认行为是仅为数值列提供摘要。

示例：

In[1]:

df = pd.DataFrame({'$a':['a', 'b', 'c', 'd', 'a'], '$b': np.arange(5)})
df.describe(include = 'all')

Out[1]:

        $a    $b
count   5   5.000000
unique  4   NaN
top     a   NaN
freq    2   NaN
mean    NaN 2.000000
std     NaN 1.581139
min     NaN 0.000000
25%     NaN 1.000000
50%     NaN 2.000000
75%     NaN 3.000000
max     NaN 4.000000

数值列将具有NaN，用于与对象（字符串）相关的汇总统计信息，反之亦然。

仅汇总数值列或对象列

1.要仅对数值列调用describe()，请使用describe(include = [np.number])
1.使用describe(include = ['O'])仅对对象（字符串）调用describe()。

In[2]:

df.describe(include = [np.number])

Out[3]:

         $b
count   5.000000
mean    2.000000
std     1.581139
min     0.000000
25%     1.000000
50%     2.000000
75%     3.000000
max     4.000000

In[3]:

df.describe(include = ['O'])

Out[3]:

    $a
count   5
unique  4
top     a
freq    2

pd.options.display.max_columns = DATA.shape[1]可以工作。
这里DATA是一个二维矩阵，上面的代码将垂直显示统计数据。

除了在其他答案中讨论的数据类型问题外，您可能还需要显示太多的列。如果列太多，中间的列将被替换为总共三个点（...）。
其他答案指出，describe的include='all'参数可以帮助解决数据类型问题。另一个问题是：“如何扩展输出显示以查看更多列？“解决方案是修改display.max_columns设置，这甚至可以临时完成。例如，要显示单个describe语句的最多40列输出：

with pd.option_context('display.max_columns', 40):
    print(df.describe(include='all'))

DataFrame上的“describe（）”仅适用于数值类型。如果你认为你有一个数字变量，但它没有出现在'decribe（）'中，用以下命令更改类型：

df[['col1', 'col2']] = df[['col1', 'col2']].astype(float)

您还可以创建新列来处理混合类型列的数字部分，或者使用字典和map（）函数将字符串转换为数字。
对非数字序列使用“describe（）”将给予一些统计信息（如计数、唯一和最频繁出现的值）。

除了DataFrame.describe(include = 'all')之外，还可以对每个分类列使用Series.value_counts()：

In[1]:

df = pd.DataFrame({'$a':['a', 'b', 'c', 'd', 'a'], '$b': np.arange(5)})
df['$a'].value_counts()

Out[1]:
$a
a    2
d    1
b    1
c    1

您可以执行df_test.info()来获取数据框包含的数据类型列表。如果您的数据框仅包含数值列，那么df_test.describe（）将完全正常工作。默认情况下，它提供数值的摘要。如果你想要对象（字符串）特性的摘要，你可以使用df_test.describe(include=['O'])。
或者简而言之，当数据框包含各种数据类型的列时，您可以使用df_test.describe(include='all')来获取所有特征列的摘要。

df = pd.DataFrame(df)
df = df.astype(float)
df.describe()

很可能您只是从pd.read_csv阅读数据，而不是将其保存为DataFrame。如果列中有任何标题，请执行此操作

df = df[1:]

这对我很有效