建模步骤 3 ：数据探索(EDA) — 1、初步了解数据：常用函数

数据科学项目实践2025-12-15 17:37

1、常用函数汇总

👏

下表是探索数据过程中一些常用的函数：

函数 解释
01、df.head() 查看前 5 行
02、df.tail(3) 查看后 3 行
03、df.copy() 复制数据框
04、df.sample(3) 随机查看 3 行
05、df.shape 行\列数
06、df.columns 列名称
07、df.index 行索引
08、df.dtypes 数据类型
09、df.count() 非缺失计数
10、df.info() 概况
11、df.describe() 数值变量统计量
12、df.quantile() 数值变量分位数
13、df.skew() 偏态系数
13、df.kurt() 峰态系数
14、np.unique(df['C']) 唯一值
14、df['C'].unique() 唯一值
15、df['C'].nunique() 唯一值计数
16、df.value_counts() 分组计数
17、df.sort_values() 按列排序
18、df.sort_index() 按轴排序
19、df.sum() 求和
20、df.mean() 均值
21、df.median() 中位数
22、df.min() 最小值
23、df.max() 最大值
24、df.mode() 众数
25、df.var() 方差
26、df.std() 标准差
......

2、常用函数案例

（01）df.head()

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看前 5 行数据
df.head()

（02）df.tail()

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看后2行
df.tail(2)

（03）df.copy()

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 使用copy方法复制数据框
df_copy = df.copy()

# 查看df_copy前5行
df_copy.head()

（04）df.sample()

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 随机查看3行
df.sample(3)

（05）df.shape()

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看数据集的行数和列数
df.shape

（06）df.columns

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看列名称
df.columns

（07）df.index

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看行索引
df.index

（08）df.dtypes

python 复制代码 
import pandas as pd

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看数据类型
df.dtypes

（09）df.count()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 列非缺失计数
df.count()

（10）df.info()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 数据概况
df.info()

（11）df.describe()

👏

查看数值变量的描述性统计量：count, mean, std, min, max

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 查看数值变量的描述性统计量
df.describe().T

👏

查看分类变量的描述性统计量：count, unique, top, freq

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6, ]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 查看分类变量的描述统计
# df.describe(include='object').T
df.describe(include='O').T

（12）df.quantile()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 查看数值变量中位数、50%分位数
print(df['A'].quantile())
print(df['A'].quantile(q=0.5), '\n')

# 查看数值变量上\下四分位数
print(df['A'].quantile([0.25, 0.75]))

（13）df.skew\kurt()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

df.loc[df['A']==2, 'B'] = np.nan

# 查看数值变量的分布情况
print(df['B'].skew()) # 偏度系数
print(df['B'].kurt()) # 峰度系数

（14）np.unique()\df.unique()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

print(np.unique(df['C'])) # 查看唯一值
print(df['C'].unique())   # 查看唯一值

（15）df.nunique()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

print(df['C'].nunique())  # 查看唯一值个数

（16）df.value_counts()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 查看唯一值个数
print(df['C'].value_counts())

（17）df.sort_values()

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 按照 B 列降序，默认升序ascending=True
df.sort_values(
    by="B"
    , ascending=False
    )

（18）df.sort_index()

👏

按照行索引降序

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 按照行索引降序
df.sort_index(
    axis=0
    , ascending=False
    )

👏

按照列索引（列名称）降序

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 3, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','e','f']
    })

# 按照列索引（列名称）降序
df.sort_index(
    axis=1
    , ascending=False
    )

（19）一些常见聚合函数(均值...)

python 复制代码 
import pandas as pd
import numpy as np

df = pd.DataFrame({
     'A':[1, 2, 2, 4, 5, 6]
    ,'B':[6, 7, 8, 9, 10 , 11]
    ,'C':['a','b','c','d','d','f']
    })

# 连续变量常见统计量：均值、中位数、众数......
A=df['A']

print('Mean: ',A.sum(),'\n')      # 求和
print('mean: ',A.mean(),'\n')     # 均值
print('median: ',A.median(),'\n') # 中位数
print('min: ',A.min(),'\n')       # 最小值
print('max: ',A.max(),'\n')       # 最大值
print('mode: ',A.mode(),'\n')     # 众数
print('var: ',A.var(),'\n')       # 方差
print('std: ',A.std(),'\n')       # 均方差

# 分类变量常见统计量：众数
print('mode: ',df['C'].mode(),'\n') # 众数

👏

总结： 以上介介绍了 pandas 中一些探索数据常用的函数，下一篇将尝试自定义模块，将上面这些函数结合在一起使用。更多的 pandas 函数可以查看 pandas 函数

|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### Python 端到端的机器学习 AI入门：详细介绍机器学习建模过程，步骤细节；以及人工智能的分阶段学习线路图。 🚀 点击查看 |

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### 统计学习\机器学习\深度学习算法 介绍有关统计学习，机器学习，深度学习的算法。 🚀 点击查看 |

|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### SQL + Pandas 练习题 SQL 练习题目，使用 Pandas 库实现，使用 Sqlalchemy 库查看 SQL 代码血缘关系。 🚀 点击查看 |

|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| #### Python 数据可视化 介绍了有关 Matplotlib，Seaborn，Plotly 几个 Python 绘图库的简单使用。 🚀 点击查看 |

相关推荐
溪海莘10 分钟前
如何部署使用uv管理依赖的python项目 ？
开发语言·python·uv
小明_GLC10 分钟前
Falcon-TST： A Large-Scale Time Series Foundation Model
论文阅读·人工智能·深度学习·transformer
Python_Study202510 分钟前
制造业数据采集系统选型指南：从技术挑战到架构实践
大数据·网络·数据结构·人工智能·架构
我送炭你添花11 分钟前
Python与串口：从基础到实际应用——以Pelco KBD300A模拟器项目为例
开发语言·python·自动化·运维开发
一只大侠的侠14 分钟前
【工业AI热榜】LSTM+GRU融合实战：设备故障预测准确率99.3%，附开源数据集与完整代码
人工智能·gru·lstm
weisian15121 分钟前
入门篇--知名企业-26-华为-2--华为VS阿里：两种科技路径的较量与共生
人工智能·科技·华为·阿里
棒棒的皮皮27 分钟前
【深度学习】YOLO模型精度优化 Checklist
人工智能·深度学习·yolo·计算机视觉
高洁0135 分钟前
CLIP 的双编码器架构是如何优化图文关联的？（2）
python·深度学习·机器学习·知识图谱
线束线缆组件品替网35 分钟前
Bulgin 防水圆形线缆在严苛环境中的工程实践
人工智能·数码相机·自动化·软件工程·智能电视
m0_6265352038 分钟前
快速排序学习 l方法 h方法
开发语言·python
热门推荐
01GitHub 镜像站点02Labelme从安装到标注：零基础完整指南03安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）04Linux下V2Ray安装配置指南05jdk21下载、安装（Windows、Linux、macOS）06【踩坑笔记】50系显卡适配的 PyTorch 安装07Opencode CLI 安装成功,但是启动失败08手把手教你通过Gemini3 pro 学生认证，白用一年，手慢无！09全球最强模型Grok4，国内已可免费使用！（附教程）102025-04-03 Latex学习1——本地配置Latex + VScode环境