Pandas快速查看数据类型：info方法详解

`df.info()` 是Pandas中最轻量、最可靠的结构诊断工具，能一次性揭示列数据类型、非空值数量和内存占用，且不触发额外计算或数据拷贝；但其默认行为存在关键局限——不显示全部列、隐藏非空统计、低估object列真实内存、无法分辨object内部类型（如字符串vs字典vs混合数据），极易导致类型误判、内存误估和后续处理性能骤降；真正高效的数据探查需组合使用`max_cols=None`、`show_counts=True`、`memory_usage='deep'`等参数，并辅以`apply(type)`、`memory_usage(deep=True)`和单列实测交叉验证，才能穿透表层信息，精准定位数据质量与性能瓶颈。

直接说结论：用 df.info() 是最轻量、最可靠的方式，它一次性告诉你列类型、非空数量、内存占用，且不触发数据拷贝或计算 —— 但默认不显示全部列、不显示数值精度、容易误读 object 类型的真实内容。

为什么 df.info() 比 df.dtypes 更实用

df.dtypes 只返回每列的顶层 dtype，比如全是 object，你根本不知道这列里是字符串、字典、还是混着 NaN 的日期；而 df.info() 会额外统计非空值个数，暴露隐性数据质量问题，并在底部明确给出 memory usage —— 这对大表排查内存爆掉特别关键。

常见错误现象：df.info() 输出末尾显示 memory usage: 1.2 GB，但实际进程占用了 3 GB。这是因为默认开启 deep=True（精确计算），但 Pandas 在某些版本/平台下对 object 列的深度估算不准，尤其含大量小字符串时。

• 用 df.info(memory_usage='deep') 强制深度计算（慢但准）
• 用 df.info(memory_usage='approx') 快速估算（默认行为，快但可能低估）
• 若只关心数值列内存，可先 df.select_dtypes(include=['number']).info()

df.info() 默认不显示全列？加 max_cols 和 show_counts

默认只显示前 20 列，且非空计数（non-null）在列数多时被折叠 —— 这会让你漏看某几列是否全空或几乎全空。

使用场景：读入一个 50+ 列的 CSV 后快速扫一眼结构和缺失情况。

• 显示全部列：df.info(max_cols=None)
• 强制显示每列非空数（哪怕列很多）：df.info(show_counts=True)
• 两者合用：df.info(max_cols=None, show_counts=True)
• 注意：max_cols=None 在 Jupyter 中可能导致输出过长，可配合 pd.set_option('display.max_info_columns', None) 全局设置

object 类型到底存了啥？别光看 df.info() 就下结论

df.info() 把字符串、列表、自定义对象甚至 None 都归为 object，但它不告诉你内部构成 —— 这是内存占用误判和后续 .astype() 失败的根源。

性能影响：一个标为 object 的“日期列”，如果实际是字符串，后续用 pd.to_datetime() 转换会比原生 datetime64 慢 5–10 倍，且内存翻倍。

• 快速探查某列内容：df['col'].apply(type).value_counts()
• 检查是否可转为字符串统一类型：df['col'].map(lambda x: type(x).__name__).value_counts()
• 警惕混合类型：df['col'].apply(lambda x: isinstance(x, (str, int, float))).all() 返回 False 就说明有异常值

真正难的不是调用 df.info()，而是看到 object 就停住，或者看到 memory usage: 800 MB 就以为没问题。类型和内存是绑定诊断的，得交叉验证 —— 比如先 df.info() 定位可疑列，再用 df['col'].nbytes 或 sys.getsizeof(df['col']) 看单列实占，最后用 df.memory_usage(deep=True) 拆解到每列。这些步骤缺一不可。

终于介绍完啦！小伙伴们，这篇关于《Pandas快速查看数据类型：info方法详解》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！