Pandas 查找列的基本统计信息 - Python

在数据分析与机器学习中，对数据进行探索性分析是非常重要的。一份数据的描述性统计信息能够告诉我们该数据的基本情况，这在实际场景中也是经常使用的。

Pandas 提供了许多函数来查找列的基本统计信息，包括列的数量、类型、缺失值等等。在本文中，我们将讨论如何使用 Pandas 查找列的基本统计信息。

导入库

首先，我们需要导入 Pandas 库来使用其提供的函数。

import pandas as pd

读取数据

读取数据通常是我们数据分析中的第一步。我们可以使用 Pandas 中的 read_csv 函数来读取 csv 格式的数据。示例如下：

data = pd.read_csv('data.csv')

查看数据的基本信息

读取数据后，我们可以使用以下函数来查看数据的基本信息：

• shape：该数据框的行数和列数。
• info：该数据框的基本信息，包括每个列的名称，非空值的数量，数据类型等等。
• describe：该数据框的描述性统计信息，包括每个列的数量、均值、标准差等等。

示例如下：

# 打印数据框的形状
print("数据框的形状：", data.shape)

# 打印数据框的基本信息
print("数据框的基本信息：")
data.info()

# 打印数据框的描述性统计信息
print("数据框的描述性统计信息：")
data.describe()

查看列的基本信息

在查看数据的基本信息后，我们可以使用以下函数来查看列的基本信息：

• columns：列名。
• dtypes：每个列的数据类型。
• isnull：每个元素是否缺失。
• sum：每个列中缺失值的数量。

示例如下：

# 打印列名
print("列名：", data.columns)

# 打印每个列的数据类型
print("每个列的数据类型：")
print(data.dtypes)

# 打印每个元素是否缺失
print("每个元素是否缺失：")
print(data.isnull())

# 打印每个列中缺失值的数量
print("每个列中缺失值的数量：")
print(data.isnull().sum())

以上就是使用 Pandas 查找列的基本统计信息的方法，使用这些方法可以帮助我们更好地了解数据。