Python数据概览：info与describe使用教程

本文深入解析了Pandas中df.info()与df.describe()两大核心数据概览方法的本质差异与实战要点：info()聚焦于诊断数据结构、类型异常与内存真实占用，帮你快速揪出“看似数值实为字符串”或“时间列未解析”等隐形陷阱；describe()则专精数值分布洞察，但默认过滤非数字列，需灵活搭配include参数才能让日期、分类或文本列各显其能——同时警示include='all'在大数据场景下的性能雷区。真正高效的数据探索，不在于机械调用函数，而在于理解每个输出背后的问题意识：你究竟想确认结构健康度，还是挖掘分布规律，抑或定位脏数据源头？

用 df.info() 看数据结构和内存占用

df.info() 主要告诉你“这 DataFrame 长什么样、占多少内存、有没有空值”，不是统计数字本身。它会打印列名、非空计数、数据类型、内存使用量，适合快速诊断读取是否出错、字段类型是否合理。

常见错误现象：df.info() 显示某列全是 object 类型，但你本以为是数值——说明可能混入了空格、字符串（如 "N/A"）、或缺失值被读成字符串；又或者 datetime 列没被自动解析，卡在 object 里。

• 调用前先确认 df 确实是你想查的 DataFrame（别误用 pd.read_csv(...).info()，那会返回 None）
• 加参数 verbose=True（默认）才显示每列详情；verbose=False 只给摘要，适合大表速览
• 内存显示单位是字节，但实际可能远超预期——比如一列 object 存短字符串，Python 每个字符串对象有额外开销，df.info(memory_usage='deep') 才算真实内存

用 df.describe() 看数值列的分布特征

df.describe() 默认只对 number 类型列计算统计量：计数、均值、标准差、最小/最大、25%/50%/75% 分位数。它不处理 object 或 category 列，除非你显式要求。

使用场景：刚拿到清洗后的数值表，想一眼判断是否存在异常值（比如最大值明显偏离）、数据是否近似正态（看均值与中位数是否接近）、是否有大量缺失（计数明显少于行数）。

• 想包含非数值列？加参数 include='all'，这时 object 列会返回 count、unique、top（最频繁值）、freq（出现频次）
• 只想看某几列？传列表进去：df.describe(include=['float64', 'int64']) 或 df[['col_a', 'col_b']].describe()
• 百分位数可自定义：df.describe(percentiles=[.1, .9])，比默认的四分位更早暴露长尾

describe() 的输出结果为什么有时列数变少了？

这不是 bug，是 Pandas 的类型过滤逻辑在起作用。默认 df.describe() 只保留 number 类型列；如果 DataFrame 里没有数值列（比如全是字符串或时间），结果就是空的 DataFrame，打印出来像“没东西”。

容易踩的坑：你刚用 pd.to_datetime() 转了一列日期，再跑 describe() 发现它不见了——因为 datetime64 不属于默认的 number 类型，得手动加 include='datetime' 或 include='all' 才会出现。

• 检查列类型：df.dtypes，别靠肉眼猜
• 想让时间列也参与统计（如最早/最晚时间）：df.describe(include='datetime64')
• 混合类型列（如 object 里既有数字字符串又有文本）不会被 describe(include='all') 当作数值处理，仍只给 count/unique 等

性能和兼容性：大表别无脑 describe(include='all')

include='all' 会让 Pandas 对每列都做唯一值扫描和频次统计，遇到高基数字符串列（比如用户 ID、URL），速度会断崖式下降，甚至卡死。这不是设计缺陷，而是算法必然代价。

实际项目中，10 万行以上、含文本列的表，describe(include='all') 很可能比 describe() 慢几十倍，且返回结果难以阅读。

• 优先用 df.describe() + df.nunique() + df.isna().sum() 组合替代 include='all'
• 真要查文本列分布？单独用 df['text_col'].value_counts().head(10)，可控且快
• Pandas 1.4+ 开始，describe() 对 category 类型支持更好，但老版本可能跳过或报错，注意升级提示

事情说清了就结束。真正麻烦的从来不是调哪个方法，而是你得先知道哪列该是什么类型、空值怎么来的、以及“概况”到底想回答什么问题。

以上就是《Python数据概览：info与describe使用教程》的详细内容，更多关于的资料请关注golang学习网公众号！