Pandas 查看数据
在数据分析中，了解数据集的结构和内容是至关重要的。Pandas 提供了多种方法来查看和检查数据，帮助我们在处理数据之前对其有一个全面的了解。本文将介绍如何使用 Pandas 查看数据，包括查看数据的前几行、后几行、统计信息以及数据类型等。
1. 查看数据的前几行和后几行
在开始分析数据之前，我们通常需要快速浏览数据集的前几行或后几行，以了解数据的结构和内容。Pandas 提供了 head() 和 tail() 方法来实现这一目的。
1.1 使用 head() 查看前几行
head() 方法默认显示数据集的前5行。你可以通过传递一个整数参数来指定要显示的行数。
import pandas as pd
# 创建一个示例 DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'Age': [24, 27, 22, 32, 29],
'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix']
}
df = pd.DataFrame(data)
# 查看前3行
print(df.head(3))
输出：
Name Age City
0 Alice 24 New York
1 Bob 27 Los Angeles
2 Charlie 22 Chicago
1.2 使用 tail() 查看后几行
tail() 方法默认显示数据集的后5行。同样，你可以通过传递一个整数参数来指定要显示的行数。
# 查看后2行
print(df.tail(2))
输出：
Name Age City
3 David 32 Houston
4 Eva 29 Phoenix
2. 查看数据的基本信息
除了查看数据的前几行和后几行，我们还可以通过 info() 方法查看数据的基本信息，包括数据的类型、非空值的数量等。
# 查看数据的基本信息
df.info()
输出：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 5 non-null object
1 Age 5 non-null int64
2 City 5 non-null object
dtypes: int64(1), object(2)
memory usage: 248.0+ bytes
info() 方法非常有用，特别是在处理大型数据集时，它可以帮助你快速了解数据的结构和缺失值情况。
3. 查看数据的统计信息
Pandas 提供了 describe() 方法，用于生成数据的统计摘要。这对于数值型数据尤其有用，因为它会显示计数、均值、标准差、最小值、最大值等统计信息。
# 查看数据的统计信息
print(df.describe())
输出：
Age
count 5.000000
mean 26.800000
std 4.147288
min 22.000000
25% 24.000000
50% 27.000000
75% 29.000000
max 32.000000
describe() 方法默认只对数值型列进行统计。如果你想对所有列进行统计，可以传递 include='all' 参数。
4. 查看数据的形状
在数据分析中，了解数据集的形状（即行数和列数）是非常重要的。Pandas 提供了 shape 属性来获取数据集的形状。
# 查看数据的形状
print(df.shape)
输出：
(5, 3)
这表示数据集有5行和3列。
5. 查看数据的列名和索引
有时我们需要查看数据集的列名或索引。Pandas 提供了 columns 和 index 属性来实现这一目的。
# 查看列名
print(df.columns)
# 查看索引
print(df.index)
输出：
Index(['Name', 'Age', 'City'], dtype='object')
RangeIndex(start=0, stop=5, step=1)
6. 实际案例：查看真实数据集
让我们通过一个实际案例来应用这些方法。假设我们有一个包含学生成绩的数据集，我们可以使用上述方法来查看数据。
# 创建一个示例学生成绩数据集
data = {
'Student': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'Math': [85, 90, 78, 92, 88],
'Science': [88, 85, 80, 91, 89],
'English': [92, 88, 85, 90, 87]
}
df_students = pd.DataFrame(data)
# 查看前3行
print(df_students.head(3))
# 查看数据的基本信息
df_students.info()
# 查看数据的统计信息
print(df_students.describe())
# 查看数据的形状
print(df_students.shape)
输出：
Student Math Science English
0 Alice 85 88 92
1 Bob 90 85 88
2 Charlie 78 80 85
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Student 5 non-null object
1 Math 5 non-null int64
2 Science 5 non-null int64
3 English 5 non-null int64
dtypes: int64(3), object(1)
memory usage: 288.0+ bytes
Math Science English
count 5.000000 5.000000 5.000000
mean 86.600000 86.600000 88.400000
std 5.683309 4.393177 2.701851
min 78.000000 80.000000 85.000000
25% 85.000000 85.000000 87.000000
50% 88.000000 88.000000 88.000000
75% 90.000000 89.000000 90.000000
max 92.000000 91.000000 92.000000
(5, 4)
7. 总结
通过本文，我们学习了如何使用 Pandas 查看数据。我们介绍了如何查看数据的前几行和后几行、数据的基本信息、统计信息、形状、列名和索引等。这些方法在数据分析的初期阶段非常有用，可以帮助我们快速了解数据集的结构和内容。
8. 附加资源与练习
- 练习1：下载一个真实的数据集（如 Kaggle 上的数据集），并使用本文介绍的方法查看数据的前几行、后几行、基本信息、统计信息等。
- 练习2：尝试使用
describe(include='all')查看所有列的统计信息，并解释输出结果。 - 附加资源：阅读 Pandas 官方文档 中关于数据查看的更多方法。
在处理大型数据集时，head() 和 tail() 方法可能会显示不完整的数据。确保在分析数据时使用适当的方法来查看数据的完整内容。