查询dataframe表基本信息

你可以使用 pandas 库中的 dataframe.describe() 方法来查询 dataframe 表的基本信息，包括表的行数、列数、数据类型、均值、标准差、最小值、最大值等。示例代码如下：

import pandas as pd

# 读取 csv 文件并转换为 dataframe 表
df = pd.read_csv('data.csv')

# 查询 dataframe 表的基本信息
print(df.describe())

相关问题

pandasdataframe的基本操作

Pandas DataFrame 是 Python 中使用最广泛的数据结构之一，它采用表格的形式存储数据，类似于 Excel 中的表格。DataFrame 可以进行多种操作，如数据整理、切片、查询、聚合等。

1. 创建 DataFrame

可以通过 pandas.read_csv()，pandas.read_excel() 等方法导入已有数据文件，也可以手动创建。使用 pandas.DataFrame() 方法，将数据数组传递给 DataFrame 的构造函数即可创建 DataFrame。例如，以下创建一个有两个列的 DataFrame：

import pandas as pd

data = {'name': ['Tom', 'Jerry'], 'age': [25, 30]}
df = pd.DataFrame(data)

2. 基本信息查看

使用 df.head() 和 df.tail() 方法可以查看 DataFrame 的头几行或尾几行数据，默认显示前五行或后五行。

使用 df.shape 可以查看行列数。

使用 df.info() 可以查看每一列的名字、数据类型和缺失值数量。

3. 数据选择与切片

可以使用 df.loc[] 和 df.iloc[] 方法选择行和列。

df.loc[] 通过标签选择数据，可以选择一行或多行数据。例如，选取第一行数据：

df.loc[0]

df.iloc[] 通过位置选择数据，也可以选择一行或多行。例如，选取第一行数据：

df.iloc[0]

可以通过 df["column_name"] 选取列。例如，以下选取列 name：

df["name"]

4. 数据过滤与查询

可以通过布尔索引过滤数据。例如，以下选取 age 大于 25 的行：

df[df["age"] > 25]

可以使用 df.query() 方法查询数据。例如，以下查询名字为 Tom 的行：

df.query("name == 'Tom'")

5. 数据处理与聚合

可以使用 df.apply() 方法处理数据。例如，以下将 age 列中的数据加 10：

df["age"] = df["age"].apply(lambda x: x + 10)

可以使用 df.groupby() 方法进行数据聚合。例如，以下对 age 列进行平均数聚合：

df.groupby("age")["age"].mean()

以上是 Pandas DataFrame 的基本操作，包括创建 DataFrame、基本信息查看、数据选择与切片、数据过滤与查询、数据处理与聚合等。通过这些方法可以轻松地对 DataFrame 进行操作，方便地进行数据分析和处理。

dataframe基本用法

DataFrame是Pandas库中的一种数据结构，可以看作是由多个Series组成的表格型数据结构。DataFrame的行和列都可以进行索引，可以进行数据筛选、切片、排序、统计等操作。

创建DataFrame：

import pandas as pd
data = {'name': ['Tom', 'Jerry', 'Mickey', 'Minnie'],
        'age': [20, 22, 25, 23],
        'gender': ['M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

上述代码创建了一个DataFrame，其中包含了4个人的姓名、年龄和性别。

查询DataFrame：

# 查看DataFrame前5行数据
df.head()

# 查看DataFrame基本信息，包括行列数、数据类型、数据缺失情况等
df.info()

# 查看DataFrame中的某一列
df['name']

# 查看DataFrame中的多列
df[['name', 'age']]

# 查看DataFrame中的某一行
df.loc[0]

# 查看DataFrame中的多行
df.loc[[0, 2]]

# 查看DataFrame中的某个位置的值
df.loc[0, 'name']

修改DataFrame：

# 修改DataFrame中的某个值
df.loc[0, 'age'] = 21

# 为DataFrame增加一列
df['height'] = [170, 175, 180, 165]

# 删除DataFrame中的一行
df.drop(index=0, inplace=True)

# 对DataFrame进行排序
df.sort_values(by='age', inplace=True)

# 对DataFrame进行筛选
df[df['gender'] == 'M']

以上是DataFrame的基本用法，实际应用中还可以进行更多的操作，如数据清洗、数据合并、数据分组等，可以根据具体需求进行学习和使用。