pandas 数据的信息

更新时间：2021-08-06 11:18:18 标签：pandas 数据

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

加载完数据后，我们需要需要对数据的全貌有所了解，比如有多少行，多少列，有哪些字段，索引是什么等等。

查看样本

df = pd.read_excel('https://www.gairuo.com/file/data/team.xlsx')
s = df.Q1 # 取其中一列，形成 Series
df.head() # 查看前五条数据
'''
    name team  Q1  Q2  Q3  Q4
0  Liver    E  89  21  24  64
1   Arry    C  36  37  37  57
2    Ack    A  57  60  18  84
3  Eorge    C  93  96  71  78
4    Oah    D  65  49  61  86
'''

其他：

df.head(10) # 查看前10条数据
df.tail() # 查看后五条数据
df.tail(10) # 查看后10条数据
df.sample() # 随机查看一条数据
df.sample(3) # 随机查看3条数据
df.sample(10, ignore_index=True) # 随机后重置索引

形状 df.shape

df.shape 会返回一个数组，第一个代表行数，第二个代表列数，这就是这个数据的基本形状，也是数据的大小。

df.shape
# (100, 6)
# 共 100 行，6列 (索引不算)

# Series 只有一个值
s.shape
# (100,)

基本信息 df.info()

df.info() 显示有数据类型、索引情况、行列数、各字段数据类型、内存占用等。Series 不支持。

df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 100 entries, 0 to 99
Data columns (total 6 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   name    100 non-null    object
 1   team    100 non-null    object
 2   Q1      100 non-null    int64
 3   Q2      100 non-null    int64
 4   Q3      100 non-null    int64
 5   Q4      100 non-null    int64
dtypes: int64(4), object(2)
memory usage: 4.8+ KB
'''

数据类型 df.dtypes

会返回每个字段的数据类型。

df.dtypes
'''
name    object
team    object
Q1       int64
Q2       int64
Q3       int64
Q4       int64
dtype: object
'''

如果是 Series 需要用 s.dtype

s.dtype
# dtype('int64')

行列索引内容 df.axes

会返回一个列内容和行内容组成的列表 [列索引, 行索引]。

df.axes
'''
[RangeIndex(start=0, stop=100, step=1),
 Index(['name', 'team', 'Q1', 'Q2', 'Q3', 'Q4'], dtype='object')]
'''

Series 只显示列索引，就是它的索引：

s.axes
# [RangeIndex(start=0, stop=100, step=1)]

其他信息

注：以下信息操作，DataFrame 和 Series 一般都支持。

# 索引对象
df.index
# RangeIndex(start=0, stop=100, step=1)
# 列索引，Series 不支持
df.columns
# Index(['name', 'team', 'Q1', 'Q2', 'Q3', 'Q4'], dtype='object')
df.values # 建议使用 to_numpy()
df.to_numpy() # numpy array(<所有值的列表矩阵>)
df.ndim # 2 维度数
df.size # 600 行x列的总数，就是总共有多少数据
# 是否为空，注意有空值不认为是空
df.empty # False
# Series 的索引, DataFrame 的列名
dfs.keys()
# 返回第一个非NA/空值的索引
df.first_valid_index() # 0
# 返回最后一个非NA/空值的索引
df.last_valid_index() # 99

# 数据的标记信息（目前只支持是否重复标签）pd 1.2.0+
df.flags
# <Flags(allows_duplicate_labels=True)>
# 设置元信息，可用于数据基础信息描述
df.attrs={'info': '学生成绩表'}
# 查看元信息
df.attrs # {'info': '学生成绩表'}
# 标签是否允许重复
df.flags["allows_duplicate_labels"]
df.flags.allows_duplicate_labels # True
df.set_flags(allows_duplicate_labels=False) # 设置

此外 Series 独有的如下：

s.name # 'Q1'
s.array # 值组成的数组 <PandasArray>
s.dtype # 类型，dtype('int64')
s.hasnans # False 是否有空

.name 可获取索引的名称，需要区分的是上例数据中 df.name 也能正常执行，它其实是 df 调用数据字段的方法，因为正好有名为 name 的列，如果没有就会报错，DataFrame 是没有此属性的。

<< 索引 Indexing pandas 教程数学统计 >>