pandas | 查看数据特征的常见属性及方法

前言

pandas 读取数据后，以 DataFrame 数据结构存储在内存中，可以通过 DdataFrame 自带的属性和方法对数据的大小、类型、分布、摘要等基本情况，进行查看。

本文以读取 Excel 文件数据为以下示例数据：

python 复制代码

import pandas as pd

df = pd.read_excel('zpxx.xlsx')

一、获取数据形状（行列数）

df.shape：返回几行几列（行,列），元组格式，如：(395, 23)。

可结合 len() 函数分别获取行数和列数：

行数：len(df) ，列数：len(df.columns)

python 复制代码

print('数据的形状：', df.shape)
print('数据的行数', len(df))
print('数据的列数：', len(df.columns))

二、获取数据类型

pandas 数据类型指的是某一列所有数据的共性，默认数值型数据类型为 int64 或 float64，文本类型为 object。

df.dtypes：查看所有列的数据类型

df. 列名.dtype：查看指定列的数据类型

df.dtypes.value_counts()：各个数据类型的列数（字段个数）

python、numpy、pandas数据类型对比：

三、获取数据摘要

**df.info()**函数，获取数据集摘要，语法如下：

python 复制代码

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

|--------------|------------------------------------------------------------------------------------|
| 常用参数 | 释义 |
| verbose | 该参数决定是否打印完整的摘要。如果为True，显示所有列的信息；如果为False，那么会省略一部分。 |
| null_counts | 该参数决定是否显示非空计数。值为True始终显示计数，而值为False则不显示计数。 |
| memory_usage | 该参数决定是否应显示DataFrame元素（包括索引）的总内存使用情况。默认情况下为True。True始终显示内存使用情况,False不会显示内存使用情况。 |

示例：显示数据的简要摘要。

python 复制代码

print(df.info(verbose=False))  # 简要摘要

结果包括：行数（RangeIndex）、列数（Columns）、各个数据类型的列数（dtypes）等信息。

四、数据描述性统计

**describe()**函数用于生成描述性统计信息，语法如下：

python 复制代码

DataFrame.describe (percentiles=None, include=None,exclude=None)

描述性统计数据：

一是：数值型数据，则包括均值、标准差、最大值、最小值、四分位数等；

二是：非数值型数据，则包括类别的个数、最高数量的类别及出现次数等。

|-------------|--------------------------------------------------------------------------------------|
| 参数 | 释义 |
| percentiles | 该参数决定要包含在输出中的百分位数。所有值都应介于0和1之间。默认值为 $.25，.5，.75$ ，它返回第25、50和75个百分位数。 |
| include | 该参数决定要包含在结果中的数据类型的白名单。'all'：所有列将包含在输出中。dtypes的列表：将结果限制为提供的数据类型。默认情况下，只统计数值类型数据。 |
| exclude | 该参数决定要从结果中忽略的数据类型的黑名单。dtypes的列表：从结果中排除提供的数据类型。默认情况下，结果将不排除任何内容。 |

示例：不加任何参数，默认为只统计数值类型数据，包括均值、标准差、最大值、最小值、四分位数等。

python 复制代码

print(df.describe()) # 描述性统计信息，默认只是数字列

如果需要查看所有列的数据统计，可以加入参数：include='all'

python 复制代码

print(df.describe(include='all')) # 所有列

五、查看数据元素个数

**df.size：**数据中元素的个数，指的是数据的行数（395）乘以数据的列数（25）

python 复制代码

print('表的元素个数：:', df.size)

六、查看数据的维度

**df.ndim：**DataFrame 是一种二维表格型数据的结构，既有行索引，也有列索引。

python 复制代码

print('表的维度数：', df.ndim)

七、数据转置

df.T：T属性可以实现DataFrame的转置（行列转换）

python 复制代码

print('表转置后形状：', df.T.shape)

以上就是pandas查看数据大小、类型、摘要、分布的一些属性和方法，可供参考。

-end-