### 🐼 Pandas查看数据基本信息完全指南 在数据分析工作中，了解数据集的基本信息是首要步骤。Pandas提供了多种函数和方法来快速查看数据的整体情况，包括数据结构、数据类型、缺失值统计等核心信息。 #### 📊 核心信息查看函数对比 | 函数/方法 | 主要功能 | 返回信息 | 适用场景 | |-----------|----------|----------|----------| | `info()` | 数据框概览 | 索引、列名、非空值数量、数据类型、内存使用 | 数据质量评估、内存优化 | | `describe()` | 数值统计 | 计数、均值、标准差、最小值、四分位数、最大值 | 数值分布分析、异常值检测 | | `head()`/`tail()` | 首尾预览 | 前/后n行数据 | 数据抽样、快速浏览 | | `shape` | 数据维度 | 行数和列数 | 数据规模了解 | | `columns` | 列名查看 | 所有列名称 | 字段识别、列操作 | | `dtypes` | 数据类型 | 每列的数据类型 | 类型转换准备 | #### 🔍 详细函数解析与代码示例 ##### 1. `info()` - 数据框全面概览 `info()`函数是查看数据基本信息最全面的方法，它能显示数据的索引范围、各列的非空值数量、数据类型以及内存使用情况[ref_1]。 ```python import pandas as pd # 创建示例DataFrame data = { '姓名': ['张三', '李四', '王五', '赵六', '钱七'], '年龄': [25, 30, 35, 28, 32], '城市': ['北京', '上海', '广州', '深圳', '杭州'], '薪资': [15000, 18000, 22000, 16000, 20000], '入职年限': [2, 5, 8, 3, 6] } df = pd.DataFrame(data) # 使用info()查看基本信息 print("数据框基本信息：") df.info() ``` 输出结果： ``` <class 'pandas.core.frame.DataFrame'> RangeIndex: 5 entries, 0 to 4 Data columns (total 5 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 姓名 5 non-null object 1 年龄 5 non-null int64 2 城市 5 non-null object 3 薪资 5 non-null int64 4 入职年限 5 non-null int64 dtypes: int64(3), object(2) memory usage: 328.0+ bytes ``` ##### 2. `describe()` - 数值统计摘要 `describe()`函数提供数值列的统计摘要，包括计数、均值、标准差、最小值、四分位数和最大值[ref_1][ref_2]。 ```python # 数值列的统计描述 print("\n数值列统计描述：") print(df.describe()) # 包含所有数据类型的描述（包括对象类型） print("\n全数据类型统计描述：") print(df.describe(include='all')) ``` ##### 3. 数据预览函数 `head()`和`tail()`函数用于快速查看数据的前几行和后几行，这在处理大型数据集时特别有用[ref_1][ref_5]。 ```python # 查看前3行数据 print("前3行数据：") print(df.head(3)) # 查看后2行数据 print("\n后2行数据：") print(df.tail(2)) ``` ##### 4. 属性和形状查看 ```python # 查看数据形状（行数，列数） print(f"数据形状：{df.shape}") # 输出：(5, 5) # 查看列名 print(f"列名：{df.columns.tolist()}") # 查看数据类型 print("各列数据类型：") print(df.dtypes) # 查看索引信息 print(f"索引范围：{df.index}") ``` #### 🎯 实际应用场景示例 ##### 场景1：数据质量检查 在接收新数据集时，首先使用`info()`检查数据完整性和类型正确性： ```python # 创建包含缺失值的示例数据 data_with_na = { '产品ID': [1, 2, 3, 4, 5], '产品名称': ['A', 'B', 'C', None, 'E'], '价格': [100, 150, None, 200, 180], '库存': [50, 30, 40, 25, 35] } df_na = pd.DataFrame(data_with_na) print("含缺失值的数据信息：") df_na.info() ``` ##### 场景2：数据类型转换准备 在进行数据分析前，了解数据类型有助于后续的类型转换： ```python # 识别需要转换的数据类型 print("当前数据类型：") for col in df.columns: print(f"{col}: {df[col].dtype}") # 基于info()结果进行类型转换 df['城市'] = df['城市'].astype('category') # 将对象类型转换为分类类型 print("\n转换后的数据类型：") df.info() ``` ##### 场景3：内存使用优化 对于大型数据集，`info()`显示的内存使用信息有助于优化内存： ```python # 查看内存使用详情 print("内存使用详情：") df.info(memory_usage='deep') # 比较优化前后的内存使用 original_memory = df.memory_usage(deep=True).sum() print(f"原始内存使用：{original_memory} bytes") # 优化数据类型后的内存 df_optimized = df.copy() df_optimized['年龄'] = df_optimized['年龄'].astype('int32') df_optimized['薪资'] = df_optimized['薪资'].astype('int32') optimized_memory = df_optimized.memory_usage(deep=True).sum() print(f"优化后内存使用：{optimized_memory} bytes") print(f"内存减少：{(original_memory - optimized_memory) / original_memory * 100:.1f}%") ``` #### 💡 实用技巧和最佳实践 1. **链式操作组合查看**： ```python # 组合多个查看操作 summary = (df .head(2) .append(df.tail(2)) .describe() .round(2)) print("组合查看结果：") print(summary) ``` 2. **自定义信息查看函数**： ```python def comprehensive_info(df, name="数据集"): """综合信息查看函数""" print(f"=== {name} 综合信息 ===") print(f"形状: {df.shape}") print(f"内存使用: {df.memory_usage(deep=True).sum() / 1024:.2f} KB") print("\n数据类型分布:") print(df.dtypes.value_counts()) print("\n缺失值统计:") print(df.isnull().sum()) # 使用自定义函数 comprehensive_info(df, "员工信息") ``` 3. **与NumPy结合的数据查看**： ```python import numpy as np # 查看数值列的统计信息 numeric_cols = df.select_dtypes(include=[np.number]).columns print("数值列统计：") print(df[numeric_cols].agg(['mean', 'std', 'min', 'max'])) ``` 通过掌握这些Pandas数据查看方法，数据分析师能够快速了解数据集的基本情况，为后续的数据清洗、转换和分析工作奠定坚实基础。这些函数在数据探索阶段尤为重要，能够帮助识别数据质量问题、理解数据分布特征，并指导后续的数据处理策略[ref_3][ref_4]。