在Python中，描述性统计可以通过以下步骤进行：
数据准备
使用`pandas`、`numpy`等库来读取和处理数据。
集中趋势度量
算术平均数：使用`numpy`的`mean`函数或`pandas`的`mean`方法。
几何平均数：使用`scipy`的`gmean`函数。
众数：使用`scipy`的`mode`函数或自定义函数。
中位数：使用`numpy`的`median`函数或`pandas`的`median`方法。
离散程度度量
极差：使用`numpy`的`ptp`函数。
方差：使用`numpy`的`var`函数。
标准差：使用`numpy`的`std`函数。
变异系数：计算标准差与均值的比值。
可视化
使用`matplotlib`等库绘制图表，如直方图、箱线图等，以直观展示数据的分布情况。
示例代码
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
生成或读取数据
data = pd.read_excel（'描述性.xlsx', encoding='UTF-8'）
data = data.iloc[:20]
集中趋势度量
mean = np.mean（data）
median = np.median（data）
mode = stats.mode（data）
离散程度度量
range_val = np.ptp（data）
variance = np.var（data）
std_dev = np.std（data）
coeff_of_var = std_dev / mean
输出结果
print（f"算术平均数： {mean:.2f}"）
print（f"几何平均数： {np.sqrt（np.prod（data））:.2f}"）
print（f"众数为： {mode.mode}， 众数的个数为： {mode.count}"）
print（f"中位数： {median}"）
print（f"极差： {range_val}"）
print（f"方差： {variance}"）
print（f"标准差： {std_dev}"）
print（f"变异系数： {coeff_of_var:.2f}"）
可视化
plt.hist（data, bins=10）
plt.title（'数据分布直方图'）
plt.xlabel（'数据值'）
plt.ylabel（'频数'）
plt.show（）
以上代码展示了如何使用Python进行描述性统计分析，包括计算均值、中位数、众数、极差、方差、标准差和绘制直方图。请根据实际数据集调整代码中的数据读取和处理部分