好的，各位观众老爷们，技术宅男们，还有屏幕前的小仙女们！欢迎来到今天的“Pandas数据魔法课堂”！🧙♂️✨
今天我们要聊的是Pandas这个数据分析界的瑞士军刀里，几个非常实用的小工具——info、describe和value_counts。这三位小伙伴，就像你的数据侦察兵，能帮你快速了解数据的基本情况，让你在数据分析的道路上少走弯路，不踩坑，不掉头发！（毕竟，头发才是程序员的第一生产力！）
想象一下，你拿到了一份新的数据集，就像拿到了一份藏宝图，满怀期待地想要挖掘里面的宝藏。但是，如果你连藏宝图上的文字都看不懂，地形也不熟悉，那还怎么寻宝呢？ 这时候，我们的三位侦察兵就派上用场了！
一、 info()：数据的体检报告
info() 函数就像是给你的数据集做一次全面的体检。它会告诉你数据集的“三围”，也就是行数、列数，以及每一列的数据类型，还有内存占用情况。
import pandas as pd
# 假设我们有一个名为 df 的 DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六', '张三'],
'年龄': [25, 30, 28, 22, 25],
'性别': ['男', '女', '男', '女', '男'],
'工资': [8000, 12000, 10000, 6000, None], # 包含缺失值
'城市': ['北京', '上海', '深圳', '广州', '北京']}
df = pd.DataFrame(data)
df.info()运行上面的代码，你会看到类似下面的输出：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 5 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 姓名 5 non-null object
1 年龄 5 non-null int64
2 性别 5 non-null object
3 工资 4 non-null float64
4 城市 5 non-null object
dtypes: float64(1), int64(1), object(3)
memory usage: 328.0+ bytes这段信息包含了什么呢？
<class 'pandas.core.frame.DataFrame'>: 告诉我们这是一个 Pandas DataFrame 对象。这就像告诉你，你拿到的是一辆汽车，而不是一辆自行车。RangeIndex: 5 entries, 0 to 4: 说明这个 DataFrame 有 5 行，索引从 0 到 4。 这就像告诉你，这辆汽车有5个座位。Data columns (total 5 columns): 说明这个 DataFrame 有 5 列。这就像告诉你，这辆汽车有5个轮子。（好吧，是5个属性。）Column Non-Null Count Dtype: 这部分是重点！它告诉你每一列的名称 (Column)，非空值的数量 (Non-Null Count)，以及数据类型 (Dtype)。姓名: 5 个非空值，数据类型是object(字符串)。年龄: 5 个非空值，数据类型是int64(整数)。性别: 5 个非空值，数据类型是object(字符串)。工资: 4 个非空值，数据类型是float64(浮点数)。注意这里，工资只有 4 个非空值，说明有缺失值！ 敲黑板！这是重点！城市: 5 个非空值，数据类型是object(字符串)。
dtypes: float64(1), int64(1), object(3): 总结了每种数据类型的列数。 这就像告诉你，这辆汽车有 1 个油箱，1 个发动机，和 3 个装饰品。memory usage: 328.0+ bytes: 告诉我们这个 DataFrame 占用了多少内存。 这就像告诉你，这辆汽车有多重。
通过 info()，我们可以快速了解到：
- 数据集的大小（行数和列数）。
- 每一列的数据类型，这对于后续的数据处理非常重要。例如，如果你想对某一列进行数值计算，但是它的数据类型是字符串，那就需要先进行类型转换。
- 是否存在缺失值！ 这是最重要的一点！缺失值是数据分析的噩梦，需要我们特别关注。
info() 就像一份体检报告，告诉你数据的基本健康状况，让你心里有数。
二、describe()：数据的统计画像
describe() 函数就像是给你的数据集做一个统计画像。它会计算出每一列的各种统计指标，比如均值、标准差、最小值、最大值、分位数等等。
df.describe()运行上面的代码，你会看到类似下面的输出：
年龄 工资
count 5.0 4.000000
mean 26.0 9000.000000
std 3.162278 2581.988897
min 22.0 6000.000000
25% 25.0 7500.000000
50% 25.0 9000.000000
75% 28.0 10500.000000
max 30.0 12000.000000这段信息包含了什么呢？
count: 非空值的数量。mean: 均值（平均数）。std: 标准差，衡量数据的离散程度。min: 最小值。25%: 第一四分位数，也就是 25% 的数据小于这个值。50%: 第二四分位数，也就是中位数，50% 的数据小于这个值。75%: 第三四分位数，也就是 75% 的数据小于这个值。max: 最大值。
通过 describe()，我们可以快速了解到：
- 数据的中心趋势（均值、中位数）。
- 数据的离散程度（标准差）。
- 数据的范围（最小值、最大值）。
- 数据的分布情况（四分位数）。
describe() 就像一张统计画像，让你对数据的整体分布有一个大致的了解，可以帮助你发现异常值或者潜在的问题。
注意： describe() 默认只对数值类型的列进行统计。 如果你想对非数值类型的列进行统计，可以添加 include='all' 参数。
df.describe(include='all')这样，你就可以看到字符串类型列的统计信息了，比如 count (非空值数量)、unique (唯一值数量)、top (出现频率最高的值)、freq (出现频率最高的值的频率)。
三、value_counts()：数据的点名册
value_counts() 函数就像是一个点名册，它可以统计某一列中每个值的出现次数。
df['城市'].value_counts()运行上面的代码，你会看到类似下面的输出：
北京 2
上海 1
深圳 1
广州 1
Name: 城市, dtype: int64这段信息告诉我们，城市这一列中，北京出现了 2 次，上海、深圳、广州各出现了 1 次。
通过 value_counts()，我们可以快速了解到：
- 某一列中每个值的分布情况。
- 哪些值出现频率最高。
- 是否存在异常值。
value_counts() 就像一个点名册，让你清楚地知道每一位“同学”的出勤情况，可以帮助你发现数据中的模式和规律。
value_counts() 的一些常用参数：
normalize=True: 将结果转换为频率（百分比）。sort=True: 按照频率排序（默认）。ascending=False: 降序排列（默认）。dropna=True: 排除缺失值（默认）。
举个栗子：
df['性别'].value_counts(normalize=True) # 计算性别的比例输出：
男 0.6
女 0.4
Name: 性别, dtype: float64结果显示，男性占比 60%，女性占比 40%。
四、综合应用：数据侦察兵的完美配合
现在，让我们把这三位侦察兵组合起来，进行一次全面的数据侦察：
info(): 先用info()了解数据集的整体情况，包括行数、列数、数据类型和缺失值情况。describe(): 然后用describe()对数值类型的列进行统计分析，了解数据的中心趋势、离散程度和范围。value_counts(): 最后用value_counts()对非数值类型的列进行统计分析，了解每个值的分布情况。
通过这三步，你就可以对数据集有一个非常清晰的认识，为后续的数据清洗、数据探索和数据建模打下坚实的基础。
五、实战演练：分析一份真实的房价数据
让我们用一份真实的房价数据来演练一下：
# 假设我们有一个名为 house_price.csv 的房价数据文件
df_house = pd.read_csv('house_price.csv')
# 1. 使用 info() 查看数据基本信息
df_house.info()
# 2. 使用 describe() 查看数值类型列的统计信息
df_house.describe()
# 3. 使用 value_counts() 查看房屋类型的分布情况
df_house['房屋类型'].value_counts()
# 4. 使用 value_counts(normalize=True) 查看房屋类型的比例
df_house['房屋类型'].value_counts(normalize=True)
# 5. 结合 info() 和 value_counts() 查看缺失值情况
# 例如，如果某一列的 Non-Null Count 小于总行数，说明存在缺失值
# 然后可以使用 value_counts() 查看缺失值的具体情况
df_house['小区名称'].value_counts(dropna=False) # 显示包含缺失值的统计结果通过上面的代码，你可以了解到：
- 房价数据的行数、列数、数据类型。
- 房价的均值、标准差、最小值、最大值。
- 各种房屋类型的数量和比例。
- 是否存在缺失值，以及缺失值的具体情况。
六、总结：数据分析的基石
info()、describe() 和 value_counts() 是 Pandas 中非常基础但又非常重要的函数。 它们就像数据分析的基石，能帮你快速了解数据的基本情况，让你在数据分析的道路上事半功倍。
记住，数据分析不是一项神秘的魔法，而是一项需要耐心、细致和不断学习的技能。 掌握这些基本工具，你就可以更好地理解数据，发现数据中的价值，最终成为一名合格的数据分析师！
希望今天的课程对大家有所帮助！ 如果你喜欢我的文章，请点赞、评论、转发，你的支持是我最大的动力！ 感谢大家的观看，我们下期再见！👋