企业官网建设流程全解析

📊 阅读时长：16分钟 | 关键词：Pandas、describe描述统计、sort_values排序、sample采样、info摘要

引言

上一篇文章我们学了 DataFrame 的拼接、合并、删除等操作，相当于"把数据折腾到想要的形状"。形状对了，接下来就该"看懂数据"了——这列数据范围多大？有没有异常值？按某列排序后是什么样？这篇文章用五个常用方法帮你快速摸清数据的"底细"。

一、info() 查看数据摘要

拿到一个陌生的 DataFrame，第一件事就应该是.info()——它用几行输出告诉你数据的骨架结构。

importpandasaspdimportnumpyasnp df=pd.DataFrame(data={'name':['Tom','Bob',np.nan],'age':[18,19,17],'height':[167,177,178]},index=['n1','n2','n3'])print(df)df.info()

输出：

name age height n1 Tom 18 167 n2 Bob 19 177 n3 NaN 17 178 <class 'pandas.core.frame.DataFrame'> Index: 3 entries, n1 to n3 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 name 2 non-null object 1 age 3 non-null int64 2 height 3 non-null int64 dtypes: int64(2), object(1) memory usage: 96.0+ bytes

一眼就能看到：有几个缺失值、每列数据类型、内存占用。

# verbose=False 打印简短摘要df.info(verbose=False)# show_counts=False 不显示 Non-Null Countdf.info(show_counts=False)

二、describe() 描述性统计

如果info()是"骨架"，describe()就是"体检报告"——它把每列数值型数据的核心指标一次列出。

df=pd.DataFrame(data={'name':['Tom','Bob','Bob'],'age':[18,19,17],'height':[167,177,178]},index=['n1','n2','n3'])print(df.describe())

输出：

age height count 3.00000 3.000000 mean 18.00000 174.000000 std 1.00000 6.082763 min 17.00000 167.000000 25% 17.50000 172.000000 50% 18.00000 177.000000 75% 18.50000 177.500000 max 19.00000 178.000000

默认只统计数值列（name被跳过了）。如果想看所有列：

# include='all' 显示所有列（包括字符串列）print(df.describe(include='all'))# include='object' 只看字符串列print(df.describe(include='object'))# 组合使用print(df.describe(include=['number','object']))

参数详解：

三、常用统计函数

除了describe()一键全输出，也可以单独调用这些函数：

df=pd.DataFrame(data={'name':['Tom',np.nan,'Linda'],'age':[18,19,17]},index=['n1','n2','n3'])print(df.count())# 每列非缺失值数量print(df.count(axis=1))# 每行非缺失值数量

# 构造随机数据d=np.random.normal(size=(7,2))df=pd.DataFrame(data=d)print(df.max())# 每列最大值print(df.max(axis=1))# 每行最大值print(df.min())# 每列最小值print(df.min(axis=1))# 每行最小值print(df.mean())# 每列平均值print(df.mean(axis=1))# 每行平均值print(df.var())# 每列方差print(df.var(axis=1))# 每行方差print(df.std())# 每列标准差print(df.std(axis=1))# 每行标准差

速查表：

💡axis=0是沿着行方向计算（得到每列的统计值），axis=1是沿着列方向计算（得到每行的统计值）。

四、sample() 随机采样

做数据分析时，常常需要从大数据集中"抽几条看看"。sample()就是干这个的。

df=pd.DataFrame(data={'name':['Tom','Bob','Jack','Linda'],'age':[18,19,17,21],'height':[167,177,178,188]},index=['n1','n2','n3','n4'])print(df)

name age height n1 Tom 18 167 n2 Bob 19 177 n3 Jack 17 178 n4 Linda 21 188

# 默认 n=1，随机抽 1 行print(df.sample())# 按比例抽取（75% = 3 行）print(df.sample(frac=0.75))# 指定抽取 2 行print(df.sample(n=2))# 有放回采样（可能抽到同一行）print(df.sample(n=2,replace=True))# 横向抽 2 列print(df.sample(n=2,axis=1))# 设置随机种子，结果可复现print(df.sample(n=2,random_state=3))

五、sort_values() 排序

数据分析中排序是高频操作。sort_values()可以按一列或多列排序。

df=pd.DataFrame({'col1':[4,1,2,np.nan,5,2],'col2':[2,1,9,8,7,6],'col3':[0,1,9,4,2,3],'col4':['a','B','c','D','e',1]})print(df)

col1 col2 col3 col4 0 4.0 2 0 a 1 1.0 1 1 B 2 2.0 9 9 c 3 NaN 8 4 D 4 5.0 7 2 e 5 2.0 6 3 1

# 按单列排序print(df.sort_values(by='col1'))# 按多列排序（先按 col1，再按 col2）print(df.sort_values(by=['col1','col2']))# 降序排列print(df.sort_values(by='col1',ascending=False))# 多列混合排序（col1 升序，col2 降序）print(df.sort_values(by=['col1','col2'],ascending=[True,False]))# 缺失值排到开头（默认排末尾）print(df.sort_values(by='col1',na_position='first'))# 按行标签排序（axis=1，by 指定行标签）print(df.sort_values(by=5,axis=1))# 原地排序df.sort_values(by='col1',inplace=True)print(df)

小结

这五个方法帮你从"不认识数据"到"把握数据轮廓"：

下一篇文章，我们将探索 Pandas 真正的"生产力引擎"——groupby()分组聚合和apply()函数应用。这才是数据分析中最强大的武器。

本文是「Python从入门到数据分析」系列的第 16 篇。关注我，不错过后续更新。