要解决这个问题，我们可以使用Python中的pandas库来处理数据和生成描述表。以下是一个包含代码示例的解决方法：

import pandas as pd

# 创建一个包含年份和组别观察数量的数据框
data = {
    'Year': [2010, 2010, 2011, 2011, 2012, 2012],
    'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'Observation': [10, 15, 12, 18, 20, 25]
}

df = pd.DataFrame(data)

# 使用groupby函数按年份和组别对数据框进行分组，并计算每个组别的观察数量的描述统计量
grouped_df = df.groupby(['Year', 'Category'])['Observation'].describe()

# 打印描述表
print(grouped_df)

运行以上代码会输出以下结果：

               count  mean        std   min    25%   50%    75%   max
Year Category                                                         
2010 A           1.0  10.0        NaN  10.0  10.00  10.0  10.00  10.0
     B           1.0  15.0        NaN  15.0  15.00  15.0  15.00  15.0
2011 A           1.0  12.0        NaN  12.0  12.00  12.0  12.00  12.0
     B           1.0  18.0        NaN  18.0  18.00  18.0  18.00  18.0
2012 A           1.0  20.0        NaN  20.0  20.00  20.0  20.00  20.0
     B           1.0  25.0        NaN  25.0  25.00  25.0  25.00  25.0

上述代码首先创建了一个包含年份、组别和观察数量的数据框。然后使用groupby函数按年份和组别对数据进行分组，并使用describe函数计算每个组别的观察数量的描述统计量。最后打印出描述表。