查看数据概述，包括info() describe() columns dtypes shape index 等基础数据信息python

在Python中，特别是在数据分析和处理库Pandas中，查看数据集的基础信息是非常重要的步骤。这里有一些常用函数帮助你获取数据概述：

1. **`info()`** 函数：这是最常用的函数之一，它会显示DataFrame的基本信息，如列名、非空值数量、数据类型以及内存占用等。这对于了解数据结构和缺失值情况很有帮助。

df.info()

2. **`describe()`** 函数：主要用于数值型列的统计描述，包括计数（非空值）、平均值、标准差、最小值、四分位数和最大值。

df.describe()

3. **`columns`** 属性：返回列名称列表，你可以通过索引来访问它们。

df.columns

4. **`dtypes`** 属性：展示每列的数据类型。

df.dtypes

5. **`shape`** 属性：给出DataFrame的行数和列数，即二维数组的形式（行数，列数）。

df.shape

6. **`index`** 或 `.index.name` 属性：如果你的数据集有索引，可以查看索引及其名称。

df.index
df.index.name

相关问题

查看数据概述，包括info() describe() columns dtypes shape index 等基础数据信息，可以自行扩充。

在Python的pandas库中，有两个主要的方法可以帮助你查看数据集的基本概况：

1. `df.info()`：这个方法提供了一个简洁的概览，包括每个列的名字（column names）、非空值的数量（Non-null values）、数据类型的（Data Types），以及每列的内存占用（Memory usage）。这对于了解数据的整体结构和缺失值分布很有帮助。

print(df.info())

2. `df.describe()`：主要用于数值型（numerical）列，它会计算各列的计数（count）、平均值（mean）、标准差（std）、最小值（min）、25%分位数（25%）、中位数（50%）、75%分位数（75%）和最大值（max）。对于理解数据的集中趋势和分散情况非常有用。

print(df.describe(include='number'))

`describe()`还可以通过`include=['object']`参数来包含分类变量（categorical variables）的总结。

另外，还有几个属性能获取更详细的元数据：
- `df.columns`：获取所有列名的序列。
- `df.dtypes`：显示每列的数据类型。
- `df.shape`：返回一个包含行数和列数的元组，如`(rows, cols)`。
- `df.index`：返回Series对象，表示DataFrame的行索引。

组合使用这些方法，你可以得到关于数据集的全面视图。

利用DataFrame（）方法新建数据，该数据包含10名学生的姓名、年龄和性别，并储存在文件中。（1）分别利用head预览前几行，利用shape获取数据表的大小，利用info获取数据类型，利用describe获取数据分布情况。（2）修改行索引为汉字；设置“姓名”为行索引；重置索引

好的，以下是针对你的问题的代码实现：

import pandas as pd

# 定义数据
data = {'姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八', '周九', '吴十', '郑华', '陈龙'],
        '年龄': [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
        '性别': ['男', '男', '男', '女', '女', '男', '女', '男', '男', '女']}

# 利用DataFrame()方法新建数据
df = pd.DataFrame(data)

# 将数据储存在文件中
df.to_csv('students.csv', index=False)

# 预览前几行
print(df.head())

# 获取数据表的大小
print(df.shape)

# 获取数据类型
print(df.info())

# 获取数据分布情况
print(df.describe())

# 修改行索引为汉字
df.index = ['第一位', '第二位', '第三位', '第四位', '第五位', '第六位', '第七位', '第八位', '第九位', '第十位']
print(df)

# 设置姓名为行索引
df = df.set_index('姓名')
print(df)

# 重置索引
df = df.reset_index()
print(df)

输出结果如下：

   姓名  年龄 性别
0  张三  20  男
1  李四  21  男
2  王五  22  男
3  赵六  23  女
4  钱七  24  女
(10, 3)
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10 entries, 0 to 9
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   姓名     10 non-null     object
 1   年龄     10 non-null     int64 
 2   性别     10 non-null     object
dtypes: int64(1), object(2)
memory usage: 368.0+ bytes
None
              年龄
count  10.000000
mean   24.500000
std     3.027650
min    20.000000
25%    22.250000
50%    24.500000
75%    26.750000
max    29.000000
     姓名  年龄 性别
第一位  张三  20  男
第二位  李四  21  男
第三位  王五  22  男
第四位  赵六  23  女
第五位  钱七  24  女
第六位  孙八  25  男
第七位  周九  26  女
第八位  吴十  27  男
第九位  郑华  28  男
第十位  陈龙  29  女
     年龄 性别
姓名         
张三   20  男
李四   21  男
王五   22  男
赵六   23  女
钱七   24  女
孙八   25  男
周九   26  女
吴十   27  男
郑华   28  男
陈龙   29  女
    姓名  年龄 性别
0   张三  20  男
1   李四  21  男
2   王五  22  男
3   赵六  23  女
4   钱七  24  女
5   孙八  25  男
6   周九  26  女
7   吴十  27  男
8   郑华  28  男
9   陈龙  29  女