.describe 方法给出的结果是另一种数据类型与 pandas 中关于日期时间格式的 describe() 比较
.describe method gives result as another data type compares to describe() in pandas regarding date-time format
当我使用 data.describe 检查时，它显示日期时间格式，而当我通过 .describe() 方法检查时，它将数据类型指定为对象类型。有什么问题？
data['Date'].describe()
count 494
unique 494
top 2017-10-30 00:00:00
freq 1
first 2017-05-15 00:00:00
last 2019-05-13 00:00:00
Name: Date, dtype: object
data['Date'].describe
<bound method NDFrame.describe of 0 2017-05-15
1 2017-05-16
2 2017-05-17
3 2017-05-18
4 2017-05-19
...
491 2019-05-07
492 2019-05-08
493 2019-05-09
494 2019-05-10
495 2019-05-13
Name: Date, Length: 494, dtype: datetime64[ns]>
df.describe() : 调用方法和 returns 结果。
df.describe ：是方法本身（您可以想到其他一些语言中的 'pointer to method'）
> p = df.describe
> p()
> df.describe()
p() 和 df.describe() 给出相同的结果。
如果您想检查所有列的类型，我会建议您使用 df.info()。
当我使用 data.describe 检查时，它显示日期时间格式，而当我通过 .describe() 方法检查时，它将数据类型指定为对象类型。有什么问题？
data['Date'].describe()
count 494
unique 494
top 2017-10-30 00:00:00
freq 1
first 2017-05-15 00:00:00
last 2019-05-13 00:00:00
Name: Date, dtype: object
data['Date'].describe
<bound method NDFrame.describe of 0 2017-05-15
1 2017-05-16
2 2017-05-17
3 2017-05-18
4 2017-05-19
...
491 2019-05-07
492 2019-05-08
493 2019-05-09
494 2019-05-10
495 2019-05-13
Name: Date, Length: 494, dtype: datetime64[ns]>
df.describe() : 调用方法和 returns 结果。
df.describe ：是方法本身（您可以想到其他一些语言中的 'pointer to method'）
> p = df.describe
> p()
> df.describe()
p() 和 df.describe() 给出相同的结果。
如果您想检查所有列的类型，我会建议您使用 df.info()。