Python機器學習（八十六）Pandas 數據集信息

info

使用.info方法，可以查看數據集的基本信息：

movies_df.info()

輸出

<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

上面的輸出信息中，包含了行和列的數量、非空值的數量、每個列中的數據類型以及DataFrame數據使用了多少內存。

可以看出，在Revenue和Metascore列中有一些缺失值，后面章節將會討論怎么處理這些缺失值。

快速查看數據類型很有用。例如，假設你剛剛導入了一些JSON，有些整數字段類型有可能被變為字符串，當計算時用到這些字段就會報“不支持的操作數”的錯。調用.info()查看一下，就可以清楚看到整數列實際上都被變為了字符串。

shape

另一個有用的屬性是.shape，表示DataFrame的形狀(行、列)。

movies_df.shape

輸出

(1000, 11)

注意，.shape是屬性，不是函數(沒有圓括號)，它是一個元組(行、列)。可以看到，數據集movies DataFrame中有1000行和11列。

在清理和轉換數據時，你可能會根據某些條件過濾一些行，然后想要知道刪除了多少行，就可以使用.shape方法快速查看。