补全下列代码#描述性统计分析 import pandas as pd #读取数据文件 credit = pd.read_csv('data/credit_card.csv', encoding='GBK') #删除信用卡顾客编号属性 credit = credit.drop('信用卡顾客编号',axis=1) length = len(credit) # 计算数据量 #定义描述性统计函数,且将结果保留3位小数 def status(x): return pd.Series([x.count(), length - x.count(),len(credit.groupby(by=x)), x.max()- x.min(), x.quantile(.75) - x.quantile(.25), x.mode()[0], format(x.var(), '.3f'), format(x.skew(), '.3f'),format(x.kurt(), '.3f')], index=['非空值数','缺失值数', '类别数', '极差', '四分位差",‘众数','方差 ','偏度','峰度']) #应用描述性统计函数 describe_tb = credit.apply(status)

代码补全如下：

#描述性统计分析 
import pandas as pd 

#读取数据文件 
credit = pd.read_csv('data/credit_card.csv', encoding='GBK')  

#删除信用卡顾客编号属性 
credit = credit.drop('信用卡顾客编号',axis=1) 

length = len(credit) # 计算数据量  

#定义描述性统计函数,且将结果保留3位小数  
def status(x):       
    return pd.Series([
        x.count(), # 非空值数
        length - x.count(), # 缺失值数
        len(credit.groupby(by=x)), # 类别数
        x.max() - x.min(), # 极差
        x.quantile(.75) - x.quantile(.25), # 四分位差
        x.mode()[0], # 众数
        format(x.var(), '.3f'), # 方差
        format(x.skew(), '.3f'), # 偏度
        format(x.kurt(), '.3f') # 峰度
    ], index=['非空值数','缺失值数','类别数', '极差', '四分位差', '众数','方差','偏度','峰度'])  

#应用描述性统计函数  
describe_tb = credit.apply(status)