要获取Pandas数据框架的描述性统计，我们可以使用DataFrame的describe()方法。这个方法会计算数据框架中每一列的统计信息，包括计数（count），平均数（mean），标准差（std），最小值（min），25%，50%，75%分位数和最大值（max）。
以下是获得描述性统计的步骤：
步骤1：导入Pandas库
要使用Pandas数据框架，我们需要导入Pandas库。可以使用以下代码导入Pandas库：
import pandas as pd
步骤2：读取数据
在导入Pandas库之后，我们需要将数据读入到Pandas数据框架中。数据可以来自各种数字格式，如CSV，Excel或数据库。
下面是使用Pandas库从CSV文件中读取数据的示例：
df = pd.read_csv('data.csv')
步骤3：使用describe()方法获取描述性统计
要计算数据框架的描述性统计信息，我们可以使用describe()方法。以下是使用describe()方法获取在上一步中加载的数据框架的描述性统计的示例：
df.describe()
运行以上代码后，我们会得到一个包含所选列的描述性统计信息的新数据框架。如果不想包含所有的列，可以使用columns参数指定要包含的列。
例如，下面的代码将只产生pH和sulfates列的描述性统计信息：
df[['pH', 'sulfates']].describe()
下面是一个完整示例：
import pandas as pd
# 读取数据
df = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/wine.csv')
# 获取所有列的描述性统计信息
print(df.describe())
# 获取ph和sulfates列的描述性统计信息
print(df[['pH', 'sulfates']].describe())
以上代码将从GitHub上获取wine.csv文件的数据，计算所有列的描述性统计信息，并计算ph和sulfates列的统计信息。
我们可以将结果保存到一个新的数据框架中，以便进一步的分析和可视化。
希望这个攻略能帮助你获得Pandas数据框架的描述性统计信息。