info
使用.info
方法,可以查看数据集的基本信息:
movies_df.info()
输出
<class 'pandas.core.frame.DataFrame'> Index: 1000 entries, Guardians of the Galaxy to Nine Lives Data columns (total 11 columns): Rank 1000 non-null int64 Genre 1000 non-null object Description 1000 non-null object Director 1000 non-null object Actors 1000 non-null object Year 1000 non-null int64 Runtime (Minutes) 1000 non-null int64 Rating 1000 non-null float64 Votes 1000 non-null int64 Revenue (Millions) 872 non-null float64 Metascore 936 non-null float64 dtypes: float64(3), int64(4), object(4) memory usage: 93.8+ KB
上面的输出信息中,包含了行和列的数量、非空值的数量、每个列中的数据类型以及DataFrame数据使用了多少内存。
可以看出,在Revenue
和Metascore
列中有一些缺失值,后面章节将会讨论怎么处理这些缺失值。
快速查看数据类型很有用。例如,假设你刚刚导入了一些JSON,有些整数字段类型有可能被变为字符串,当计算时用到这些字段就会报“不支持的操作数”的错。调用.info()
查看一下,就可以清楚看到整数列实际上都被变为了字符串。
shape
另一个有用的属性是.shape
,表示DataFrame的形状(行、列)。
movies_df.shape
输出
(1000, 11)
注意,.shape
是属性,不是函数(没有圆括号),它是一个元组(行、列)。可以看到,数据集movies DataFrame中有1000行和11列。
在清理和转换数据时,你可能会根据某些条件过滤一些行,然后想要知道删除了多少行,就可以使用.shape
方法快速查看。