四川住房和城乡建设厅网站首页,网站开发与应用论文,用dw个人网站怎么做,html网页导航栏模板【Python】进阶学习#xff1a;pandas–info()用法详解 #x1f308; 个人主页#xff1a;高斯小哥 #x1f525; 高质量专栏#xff1a;Matplotlib之旅#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程#x1f448; 希望得到您的订…【Python】进阶学习pandas–info()用法详解 个人主页高斯小哥 高质量专栏Matplotlib之旅零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程 希望得到您的订阅和支持~ 创作高质量博文(平均质量分92)分享更多关于深度学习、PyTorch、Python领域的优质内容希望得到您的关注~ 文章目录 一、初识info()函数 二、info()函数的基本用法 三、定制info()函数的输出 四、总结 五、期待与你共同进步 一、初识info()函数 在pandas库中info()函数是一个DataFrame和Series对象的方法用于获取有关数据结构的简要摘要。通过调用info()函数我们可以快速了解数据集中的基本信息如行数、列数、列的数据类型、非空值的数量以及内存使用情况等。 二、info()函数的基本用法 info()函数的基本用法非常简单只需在DataFrame或Series对象上调用即可。 import pandas as pd# 创建一个示例DataFrame data {A: [1, 2, 3, None],B: [4, None, 6, 8],C: [p, q, r, s] } df pd.DataFrame(data)# 调用info()函数 df.info()上述代码将输出DataFrame的简要摘要包括索引类型、列名、非空值的数量以及每列的数据类型 class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 3 non-null float641 B 3 non-null float642 C 4 non-null object dtypes: float64(2), object(1) memory usage: 224.0 bytes三、定制info()函数的输出 info()函数提供了一些可选参数用于定制输出的内容。以下是 info() 函数的主要参数及其描述 verbose布尔值默认为 True: 控制输出的详细程度。如果为 True则会显示每列的详细信息包括非空值的数量。如果为 False则只显示摘要信息。 buf可写缓冲区默认为 None: 指定一个可写缓冲区如文件对象或 StringIO 对象用于将输出写入。如果提供了这个参数info() 函数不会将输出直接打印到控制台而是写入到指定的缓冲区。 memory_usage布尔值或字符串默认为 None: 控制是否显示内存使用情况。如果为 True则会显示每列占用的内存大小。如果为字符串则可以指定内存使用的单位如 deep 表示深度内存使用。如果为 None则不显示内存使用情况。 show_counts布尔值默认为 None: 控制是否显示非空值的数量。如果为 True则会显示每列中非空值的数量。如果为 False则不显示这个信息。当 verbose 为 False 时这个参数将被忽略。 示例代码 import pandas as pd# 创建一个示例DataFrame data {A: [1, 2, 3, None],B: [4, None, 6, 8],C: [p, q, r, s] } df pd.DataFrame(data)# 调用info()函数 # verbose False df.info(verboseFalse)print(**50) print(**50)# 指定一个[可写]缓冲区 with open(result.txt, w) as f:df.info(buff)print(相关信息已写入result.txt!) print(**50) print(**50)# memory_usage df.info(memory_usagedeep) print(**50) df.info(memory_usageTrue) print(**50) df.info(memory_usageFalse)print(\n **50) print(**50)# show_counts df.info(show_countsTrue) print(\n **50) df.info(show_countsFalse)输出 class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Columns: 3 entries, A to C dtypes: float64(2), object(1) memory usage: 224.0 bytes ************************************************** ************************************************** 相关信息已写入result.txt! ************************************************** ************************************************** class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 3 non-null float641 B 3 non-null float642 C 4 non-null object dtypes: float64(2), object(1) memory usage: 424.0 bytes ************************************************** class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 3 non-null float641 B 3 non-null float642 C 4 non-null object dtypes: float64(2), object(1) memory usage: 224.0 bytes ************************************************** class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 3 non-null float641 B 3 non-null float642 C 4 non-null object dtypes: float64(2), object(1) ************************************************** ************************************************** class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 A 3 non-null float641 B 3 non-null float642 C 4 non-null object dtypes: float64(2), object(1) memory usage: 224.0 bytes************************************************** class pandas.core.frame.DataFrame RangeIndex: 4 entries, 0 to 3 Data columns (total 3 columns):# Column Dtype --- ------ ----- 0 A float641 B float642 C object dtypes: float64(2), object(1) memory usage: 224.0 bytes通过合理设置这些参数用户可以根据具体需求定制 info() 函数的输出内容从而更有效地理解和分析数据集。这些参数使得 info() 函数在数据探索、数据清洗和预处理等阶段都非常有用。 四、总结 info()函数是pandas库中一个非常实用的函数它可以帮助我们快速了解数据集的基本信息。通过灵活运用info()函数我们可以更好地理解和处理数据为后续的数据分析和建模提供有力支持。 五、期待与你共同进步 亲爱的读者非常感谢你每一次的停留和阅读你的支持是我们前行的最大动力 在这茫茫网海中有你的关注我们深感荣幸。你的每一次点赞、收藏、评论和关注都像是明灯一样照亮我们前行的道路给予我们无比的鼓舞和力量。 我们会继续努力为你呈现更多精彩和有深度的内容。同时我们非常欢迎你在评论区留下你的宝贵意见和建议让我们共同进步共同成长 无论你在编程的道路上遇到什么困难都希望你能坚持下去因为每一次的挫折都是通往成功的必经之路。我们期待与你一起书写编程的精彩篇章 最后再次感谢你的厚爱与支持愿你在编程的道路上越走越远收获满满的成就和喜悦祝你编程愉快