Pandas - 分析数据框

查看数据

获取数据框快速概述最常用的方法之一是 head() 方法。

head() 方法返回标题和指定数量的行，从顶部开始。

在我们的示例中，我们将使用一个名为“data.csv”的 CSV 文件。

下载 data.csv，或在浏览器中打开 data.csv。

还有一个 tail() 方法用于查看数据框的最后几行。

tail() 方法返回标题和指定数量的行，从底部开始。

关于数据的信息

DataFrames 对象有一个名为 info() 的方法，它提供有关数据集的更多信息。

  <class 'pandas.core.frame.DataFrame'>
  RangeIndex: 169 entries, 0 to 168
  Data columns (total 4 columns):
   #   Column    Non-Null Count  Dtype  
  ---  ------    --------------  -----  
   0   Duration  169 non-null    int64  
   1   Pulse     169 non-null    int64  
   2   Maxpulse  169 non-null    int64  
   3   Calories  164 non-null    float64
  dtypes: float64(1), int64(3)
  memory usage: 5.4 KB
  None
    

结果解释

结果告诉我们有 169 行和 4 列

  RangeIndex: 169 entries, 0 to 168
  Data columns (total 4 columns):

以及每列的名称及其数据类型

   #   Column    Non-Null Count  Dtype  
  ---  ------    --------------  -----  
   0   Duration  169 non-null    int64  
   1   Pulse     169 non-null    int64  
   2   Maxpulse  169 non-null    int64  
   3   Calories  164 non-null    float64

空值

info() 方法还告诉我们每列中存在多少个非空值，在我们的数据集中，似乎“Calories”列中有 164 个非空值（共 169 个）。

这意味着“Calories”列中有 5 行完全没有值，无论出于何种原因。

空值或空值在分析数据时可能不好，您应该考虑删除包含空值的行。这是迈向所谓的数据清洗的一步，您将在接下来的章节中了解更多相关内容。