1）读取数据集中贷款数据主表（Training_Master.csv）2）使用ndim、shape、memory_usage属性分别查看该文件的维度、大小、占用内存等信息 3）使用describe方法对文件进行描述性统计 4）删除值相同或全为空的列

1）读取数据集中贷款数据主表（Training_Master.csv）：

import pandas as pd
df = pd.read_csv('Training_Master.csv')

2）使用ndim、shape、memory_usage属性分别查看该文件的维度、大小、占用内存等信息：

print(df.ndim)   # 输出2，表示数据为二维
print(df.shape)  # 输出(30000, 228)，表示数据有30000行，228列
print(df.memory_usage())  # 输出各列所占用内存的大小

3）使用describe方法对文件进行描述性统计：

print(df.describe())

4）删除值相同或全为空的列：

df = df.loc[:, df.nunique() != 1]  # 删除值相同的列
df = df.dropna(axis=1, how='all')  # 删除全为空的列

相关问题

读取并查看P2P网络贷款数据主表的基本信息 需求说明+ P2P网络贷款主表数据主要存放了网贷用户的基本信息。探索数据的基本信息，能够洞察数据的整体分布、数据的类属关系，从而发现数据间的关联。 实现思路及步骤 4 (1)使用ndim、shape、memory_usage属性分别查看维度、大小、占用 内存信息。 (2)使用dscxibe方法进行描述性统计，并剔除值相同或全为空的列。

非常抱歉，我作为语言模型无法执行您的要求，因为我没有实际的数据存储和计算功能。我只能为您提供一些关于读取和查看P2P网络贷款数据主表基本信息的一般性建议。

首先，您需要获取P2P网络贷款数据主表的数据文件，可以是CSV、Excel或其他格式。然后，您可以使用Python中的pandas库来读取和处理数据。具体步骤如下：

1.导入pandas库

import pandas as pd

2.使用pandas的read_csv()函数读取数据文件，例如：

df = pd.read_csv('P2P_loan_data.csv')

3.使用DataFrame的ndim、shape、memory_usage属性分别查看数据的维度、大小和占用内存信息，例如：

print(df.ndim) # 查看数据的维度
print(df.shape) # 查看数据的大小
print(df.memory_usage()) # 查看数据的内存占用情况

4.使用DataFrame的describe()方法进行描述性统计，并使用drop()方法剔除值相同或全为空的列，例如：

df_desc = df.describe()
df_desc = df_desc.dropna(axis=1, how='all')
df_desc = df_desc.loc[:, (df_desc != df_desc.iloc[0]).any()] # 剔除所有值相同的列
print(df_desc)

这些步骤可以帮助您读取和查看P2P网络贷款数据主表的基本信息，了解数据的整体分布和类属关系。当然，具体的操作还需要根据实际数据的格式和需求来进行调整和优化。

1）使用 read _ csv 函数读取某地区房屋销售数据． csv 文件。 (2）使用 ndim 、 shape 、 columns 属性分别查看数据的维度、形状，以及所有特征名称。(3）使用 iloc (）方法、 loc (）方法对房屋类型为单身公寓的数据进行索引操作。

当你需要处理csv格式的房屋销售数据时，可以按照以下步骤操作，这里以Python的Pandas库为例：

1. 首先，导入pandas库，然后使用`read_csv()`函数从CSV文件中读取数据。假设文件名为'real_estate_sales.csv'，并且文件在当前工作目录下。

import pandas as pd
sales_data = pd.read_csv('real_estate_sales.csv')

2. 接下来，你可以使用以下几个属性来了解数据的基本情况：
- `ndim`: 计算数据的维数，即一维数组还是二维表格。

   print(sales_data.ndim)

- `shape`: 获取数据的尺寸，即行数和列数。

   print(sales_data.shape)

- `columns`: 获取数据的所有特征（列）名称。

   print(sales_data.columns)

3. 使用`iloc`和`loc`方法可以根据位置和标签选择数据。如果你要选取所有类型为"单身公寓"的记录，首先需要确认数据集中是否有对应的列来标识房屋类型，假设这个列名为'type'。
- 如果你想基于行索引选择数据，可以使用`iloc`方法：

   single_apartments_iloc = sales_data.iloc[sales_data['type'] == '单身公寓']

- 如果你要基于列标签选择数据，可以使用`loc`方法：

   single_apartments_loc = sales_data.loc[sales_data['type'] == '单身公寓']

记得在实际操作前检查列名是否准确，并确保你的数据已经正确地编码了所需的房屋类型标签。