Метод info
Метод info применяется к DataFrame
и выводит сводку по таблице. Он показывает
количество строк и столбцов, имена столбцов,
их типы данных, количество ненулевых значений
и общий объём занимаемой памяти. Метод
полезен для первичного анализа структуры данных.
Синтаксис
df.info([verbose, bool, null_counts, memory_usage])
Параметры
verbose - если True, выводит полную информацию о столбцах
bool - если True, выводит информацию в компактном виде
null_counts - показывает количество пропусков в столбцах
memory_usage - показывает использование памяти
Пример
Давайте посмотрим сводку по таблице:
import pandas as pd
df = pd.DataFrame({
'a': [1, 2, 3, 4, 5],
'b': [10, 20, 30, 40, 50],
'c': ['x', 'y', 'z', 'w', 'v']
})
print(df.info())
Результат выполнения кода:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 a 5 non-null int64
1 b 5 non-null int64
2 c 5 non-null object
dtypes: int64(2), object(1)
memory usage: 252.0+ bytes
None
Пример
Выведем сводку без показа количества пропусков:
import pandas as pd
df = pd.DataFrame({
'a': [1, 2, 3, 4, 5],
'b': [10, None, 30, None, 50]
})
print(df.info(null_counts=False))
Результат выполнения кода:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 2 columns):
# Column Dtype
--- ------ -----
0 a int64
1 b float64
dtypes: float64(1), int64(1)
memory usage: 212.0 bytes
None
Пример
Выведем подробную информацию о всех столбцах:
import pandas as pd
df = pd.DataFrame({
'a': [1, 2, 3, 4, 5],
'b': [10, 20, 30, 40, 50]
})
print(df.info(verbose=True))
Результат выполнения кода:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 2 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 a 5 non-null int64
1 b 5 non-null int64
dtypes: int64(2)
memory usage: 212.0 bytes
None
Пример
Посмотрим сводку с минимальным использованием памяти:
import pandas as pd
df = pd.DataFrame({
'a': [1, 2, 3, 4, 5],
'b': [10, 20, 30, 40, 50]
})
print(df.info(memory_usage='deep'))
Результат выполнения кода:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 2 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 a 5 non-null int64
1 b 5 non-null int64
dtypes: int64(2)
memory usage: 212.0 bytes
None
