【机器学习-12】数据探索---python主要的探索函数

在Python中，主要的数据探索函数包括：

1. head(): 显示DataFrame或Series的前几行。
2. tail(): 显示DataFrame或Series的最后几行。
3. info(): 显示DataFrame的信息，包括数据类型、非空值等。
4. describe(): 显示DataFrame各列的描述性统计信息，例如计数、平均值、std、最小值、25%分位数、中位数、75%分位数和最大值。
5. value_counts(): 显示Series中各值的计数。
6. unique(): 显示Series中的唯一值。
7. count(): 显示Series中的非空元素个数。
8. min() 和 max(): 显示Series中的最小值和最大值。

以下是使用这些函数的示例代码：

import pandas as pd
import numpy as np
 
# 创建示例DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, np.nan],
    'B': [4, 5, np.nan, 6],
    'C': ['a', 'b', 'c', 'd']
})
 
# 显示前5行
print(df.head())
 
# 显示最后5行
print(df.tail())
 
# 显示DataFrame信息
print(df.info())
 
# 显示每列的描述性统计信息
print(df.describe())
 
# 显示某列中各值的计数
print(df['A'].value_counts())
 
# 显示某列的唯一值
print(df['B'].unique())
 
# 计算某列中非空元素的个数
print(df['C'].count())
 
# 显示某列的最小值
print(df['A'].min())
 
# 显示某列的最大值
print(df['B'].max())

这些函数提供了快速了解数据集的基本信息，帮助数据科学家识别潜在问题和模式。