前言

pandas 讀取數(shù)據(jù)后，以 DataFrame 數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)在內(nèi)存中，可以通過(guò) DdataFrame 自帶的屬性和方法對(duì)數(shù)據(jù)的大小、類型、分布、摘要等基本情況，進(jìn)行查看。

本文以讀取 Excel 文件數(shù)據(jù)為以下示例數(shù)據(jù)：

import pandas as pd

df = pd.read_excel('zpxx.xlsx')

常用讀取參數(shù)

一、獲取數(shù)據(jù)形狀（行列數(shù)）

df.shape：返回幾行幾列（行,列），元組格式，如：(395, 23)。

可結(jié)合 len() 函數(shù)分別獲取行數(shù)和列數(shù)：

行數(shù)：len(df)，列數(shù)：len(df.columns)

print('數(shù)據(jù)的形狀：', df.shape)
print('數(shù)據(jù)的行數(shù)', len(df))
print('數(shù)據(jù)的列數(shù)：', len(df.columns))

二、獲取數(shù)據(jù)類型

pandas 數(shù)據(jù)類型指的是某一列所有數(shù)據(jù)的共性，默認(rèn)數(shù)值型數(shù)據(jù)類型為 int64 或 float64，文本類型為 object。

df.dtypes：查看所有列的數(shù)據(jù)類型

df.列名.dtype：查看指定列的數(shù)據(jù)類型

df.dtypes.value_counts()：各個(gè)數(shù)據(jù)類型的列數(shù)（字段個(gè)數(shù)）

python、numpy、pandas數(shù)據(jù)類型對(duì)比：

三、獲取數(shù)據(jù)摘要

df.info() 函數(shù)，獲取數(shù)據(jù)集摘要，語(yǔ)法如下：

DataFrame.info(verbose=None,buf=None, max_cols=None, memory_usage=None, null_counts=None)

示例：顯示數(shù)據(jù)的簡(jiǎn)要摘要。

print(df.info(verbose=False))  # 簡(jiǎn)要摘要

結(jié)果包括：行數(shù)（RangeIndex）、列數(shù)（Columns）、各個(gè)數(shù)據(jù)類型的列數(shù)（dtypes）等信息。

四、數(shù)據(jù)描述性統(tǒng)計(jì)

describe() 函數(shù)用于生成描述性統(tǒng)計(jì)信息，語(yǔ)法如下：

DataFrame.describe (percentiles=None, include=None,exclude=None)

描述性統(tǒng)計(jì)數(shù)據(jù)：

一是：數(shù)值型數(shù)據(jù)，則包括均值、標(biāo)準(zhǔn)差、最大值、最小值、四分位數(shù)等；

二是：非數(shù)值型數(shù)據(jù)，則包括類別的個(gè)數(shù)、最高數(shù)量的類別及出現(xiàn)次數(shù)等。

示例：不加任何參數(shù)，默認(rèn)為只統(tǒng)計(jì)數(shù)值類型數(shù)據(jù)，包括均值、標(biāo)準(zhǔn)差、最大值、最小值、四分位數(shù)等。

print(df.describe()) # 描述性統(tǒng)計(jì)信息，默認(rèn)只是數(shù)字列

如果需要查看所有列的數(shù)據(jù)統(tǒng)計(jì)，可以加入?yún)?shù)：include='all'

print(df.describe(include='all')) # 所有列

五、查看數(shù)據(jù)元素個(gè)數(shù)

df.size：數(shù)據(jù)中元素的個(gè)數(shù)，指的是數(shù)據(jù)的行數(shù)（395）乘以數(shù)據(jù)的列數(shù)（25）

print('表的元素個(gè)數(shù)：:', df.size)

六、查看數(shù)據(jù)的維度

df.ndim：DataFrame 是一種二維表格型數(shù)據(jù)的結(jié)構(gòu)，既有行索引，也有列索引。

print('表的維度數(shù)：', df.ndim)

七、數(shù)據(jù)轉(zhuǎn)置

df.T：T屬性可以實(shí)現(xiàn)DataFrame的轉(zhuǎn)置（行列轉(zhuǎn)換）

print('表轉(zhuǎn)置后形狀：', df.T.shape)

八、查看數(shù)據(jù)的基本統(tǒng)計(jì)特征

描述統(tǒng)計(jì)（數(shù)值列）

# 基礎(chǔ)描述統(tǒng)計(jì)：count, mean, std, min, 25%, 50%, 75%, max
df.describe()
# 包含百分位數(shù)
df.describe(percentiles=[.1, .2, .5, .9])
# 包含所有列（包括object類型）
df.describe(include='all')
# 只包含數(shù)值列
df.describe(include=[np.number])
# 只包含對(duì)象列
df.describe(include=['object'])

單個(gè)統(tǒng)計(jì)值

# 平均值
df.mean()
# 中位數(shù)
df.median()
# 標(biāo)準(zhǔn)差
df.std()
# 最小值/最大值
df.min()
df.max()
# 求和
df.sum()
# 計(jì)數(shù)（非空）
df.count()

九、查看缺失值情況

統(tǒng)計(jì)缺失值數(shù)量

# 每列缺失值數(shù)量
df.isnull().sum()
# 每列缺失值占比
df.isnull().sum() / len(df) * 100
# 總?cè)笔е禂?shù)量
df.isnull().sum().sum()
# 缺失值占比超過(guò)30%的列
missing_ratio = df.isnull().sum() / len(df)
high_missing_cols = missing_ratio[missing_ratio > 0.3].index

可視化缺失值（需要matplotlib）

import matplotlib.pyplot as plt
# 繪制缺失值熱力圖
plt.figure(figsize=(12, 6))
plt.imshow(df.isnull(), aspect='auto', cmap='gray')
plt.colorbar(label='Missing')
plt.title('Missing Values Heatmap')
plt.show()

處理缺失值建議

到此這篇關(guān)于Python Pandas讀取Excel數(shù)據(jù)并查看數(shù)據(jù)特征的常見(jiàn)方法詳解的文章就介紹到這了,更多相關(guān)Python Pandas讀取Excel數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論