从头到尾掌握查看 Series 与 DataFrame 对象数据的技巧
2023-04-16 18:53:04
深入探索 Python 中的数据洞察：head()、tail()、loc[]、iloc[]、info() 和 describe() 的妙用
数据预览：head() 和 tail() 的便利性
当我们处理海量数据集时，逐行查看显然是不切实际的。这时，head() 和 tail() 方法就能大显身手。head() 可以显示 Series 或 DataFrame 对象的前 n 行数据，而 tail() 则展示最后 n 行。
使用示例：
import pandas as pd
data = pd.DataFrame({
"Name": ["John", "Mary", "Bob", "Alice", "Tom"],
"Age": [20, 25, 30, 35, 40],
"City": ["New York", "London", "Paris", "Rome", "Berlin"]
})
print("First 3 rows:")
print(data.head(3))
print("\nLast 2 rows:")
print(data.tail(2))
输出：
Name Age City
0 John 20 New York
1 Mary 25 London
2 Bob 30 Paris
Name Age City
3 Alice 35 Rome
4 Tom 40 Berlin
只需要一行代码，我们就轻松预览了数据的开头和结尾，对整体分布有了初步了解。
精细选取数据：loc[] 和 iloc[] 的操作艺术
如果我们想要更精细地选择数据，.loc[] 和 .iloc[] 操作符就是不二之选。.loc[] 基于标签进行索引，而 .iloc[] 则基于位置进行索引。
使用 .loc[] 根据标签选择数据
print("Rows with index 1 and 3:")
print(data.loc[[1, 3]])
print("\nRows with 'John' and 'Alice' as names:")
print(data.loc[[data['Name'] == 'John'] | [data['Name'] == 'Alice']])
输出：
Name Age City
1 Mary 25 London
3 Alice 35 Rome
Name Age City
0 John 20 New York
3 Alice 35 Rome
使用 .iloc[] 根据位置选择数据
print("First two rows:")
print(data.iloc[:2])
print("\nRows at positions 1, 3, and 4:")
print(data.iloc[[1, 3, 4]])
输出：
Name Age City
0 John 20 New York
1 Mary 25 London
Name Age City
1 Mary 25 London
3 Alice 35 Rome
4 Tom 40 Berlin
灵活组合 .loc[] 和 .iloc[] 实现精准查询
.loc[] 和 .iloc[] 可以组合使用，实现更加灵活的数据查询。
print("Row with index 1 and column 'City':")
print(data.loc[1, 'City'])
print("\nColumns 'Age' and 'City' of rows with index 1 and 3:")
print(data.iloc[[1, 3], [1, 2]])
输出：
London
Age City
1 25 London
3 35 Rome
数据概览：info() 和 describe() 的洞察力
除了查看具体数据，我们还需要了解数据的整体分布。此时，info() 和 describe() 方法便发挥了作用。
使用 info() 查看数据类型与非空值数量
print("Data types and non-null values:")
print(data.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: 264.0+ bytes
使用 describe() 查看数据统计信息
print("Statistical summary:")
print(data.describe())
输出：
Age
count 5.000000
mean 30.000000
std 7.071068
min 20.000000
25% 25.000000
50% 30.000000
75% 35.000000
max 40.000000
通过 info() 和 describe()，我们对数据的类型、非空值情况、统计信息有了更深入的了解。
结论
掌握了 head()、tail()、loc[]、iloc[]、info() 和 describe() 等方法，我们就能轻松从局部窥探全局，从数据中挖掘有价值的见解。这些技巧对于数据分析和机器学习等领域至关重要。
常见问题解答
-
如何只显示 DataFrame 的前 5 行数据？
使用 head(5) 方法。 -
如何基于位置选择 DataFrame 的第 2 行和第 4 行？
使用 iloc[[1, 3], :] 方法。 -
如何查看 DataFrame 的数据类型？
使用 info() 方法。 -
如何计算 DataFrame 中某一列的平均值？
使用 describe() 方法，然后查看该列的 mean 值。 -
如何根据特定条件过滤 DataFrame 的行？
使用 loc[] 或 iloc[] 方法，并指定查询条件。
