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。

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

输出结果如下：

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

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

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。

df.describe() #统计信息

结果如下：

|age|
|---|
|count|4.000000|
|mean|21.000000|
|std|1.825742|
|min|19.000000|
|25%|19.750000|
|50%|21.000000|
|75%|22.250000|
|max|23.000000|

• 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

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

输出结果：

|age|
|---|
|count|4.000000|
|mean|21.000000|
|std|1.825742|
|min|19.000000|
|45%|20.700000|
|50%|21.000000|
|65%|21.900000|
|87%|22.610000|
|96%|22.880000|
|99%|22.970000|
|max|23.000000|

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