pandas输出基本信息，df.info()和df.describe()函数详解

一、基本统计量

1、df.info()函数
info()函数展示数据表基本信息：

• index
  
• 列名
  
• 每列不是空值的计数
  
• 每列数据类型
  
• 占用内存
  接下来通过代码进行展示，先生成一份数据，便于展示。
  

1. import pandas as pd
2. data = {
4.     "name":['张三',"李四","王二","周六"],
6.     "age":[20,19,23,22],
8.     "hometown":["Anhui","Jiangsu","Zhejiang","Hunan"],
10. }
11. df = pd.DataFrame(data)
12. df.info()

复制代码

输出结果如下：

1. <class 'pandas.core.frame.DataFrame'>
2. RangeIndex: 4 entries, 0 to 3
3. Data columns (total 3 columns):
4. #   Column    Non-Null Count  Dtype
5. ---  ------    --------------  -----
6. 0   name      4 non-null      object
7. 1   age       4 non-null      int64
8. 2   hometown  4 non-null      object
9. dtypes: int64(1), object(2)
10. memory usage: 228.0+ bytes

复制代码

1. DataFrame.info(verbose=None, buf=None, max_cols=None, memory_usage=None, show_counts=None)

复制代码

info函数一共有6个函数。

• verbose默认为Ture,控制函数是否展示表格详细的信息。
  
• buf：如果提供可写入对象，输出将被写入这个对象而不是打印到标准输出。这对于捕获输出到字符串或文件中很有用。
  
• max_cols：指定要显示的列的最大数量。如果DataFrame的列数超过这个值，则只显示前max_cols列的信息，其余列的信息将被省略，并在输出中注明。默认为None显示所有信息。
  
• memory_usage
  
• 控制是否显示内存使用情况以及显示的详细程度。
  
  
  
  • True或'deep'：显示DataFrame元素占用的内存（可能较慢，因为需要深入检查每个元素）。
    
  • False或'shallow'：仅显示对象本身的内存占用（不包括元素）。
    
  • 默认为'deep'。
    
  
  
• show_counts
  
  
  
  • 当设置为True时，显示每列的非空值数量。
    
  • 当设置为False时，不显示每列的非空值数量。
    
  
  

2、df.describe()展示数据统计量
函数主要展示计数、平均值、标准差、最小值、四分之一分位点、二分之分位点、四分之三分位点、最大值。

1. df.describe() #统计信息

复制代码

结果如下：

1. |age|
2. |---|
3. |count|4.000000|
4. |mean|21.000000|
5. |std|1.825742|
6. |min|19.000000|
7. |25%|19.750000|
8. |50%|21.000000|
9. |75%|22.250000|
10. |max|23.000000|

复制代码

• percentiles：指定要包括的其他百分位数，例如percentiles=[.25, .5, .75]将返回第一、第二和第三四分位数。
  
• include：指定要包括的数据类型，默认为'all'，可以设置为'all', 'nums', 或 'object'。
  
• exclude：指定要排除的数据类型。
  

比如输出一个混乱的分位数[.45,.65,.87,.96,.99]f

1. df.describe(percentiles=[.45,.65,.87,.96,.99])

复制代码

输出结果：

1. |age|
2. |---|
3. |count|4.000000|
4. |mean|21.000000|
5. |std|1.825742|
6. |min|19.000000|
7. |45%|20.700000|
8. |50%|21.000000|
9. |65%|21.900000|
10. |87%|22.610000|
11. |96%|22.880000|
12. |99%|22.970000|
13. |max|23.000000|

复制代码

3、其他函数
pandas还拥有众多展示基本信息的函数，这里展示一部分：

• df.sum 求和
  
• df.median 中位数
  
• df.mean 平均值
  
• df.min 最小值
  
• df.max 最大值
  
• df.idxmin 返回最小值列名和index,参数axis
  
• df.idxmax 返回最大值列名和index,参数axis
  
• df.corr 相关系数
  
• df.cov 协方差
  
• df['column'].unique() 找出唯一值
  
• df['column'].nunique() 找出唯一值的数量
  
• df.sort_index 按照index排序
  
• df.sort_values 按照值排序,参数key可以使用函数
  
• 
  

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！