Bỏ qua đến nội dung chính
Mục lục

info() và describe() trong pandas: đọc một bảng lạ

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 6/8 · Chương 2

Series và DataFrame

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

df.info() và df.describe() của pandas tóm tắt cả một DataFrame trong vài dòng: info() cho số dòng, kiểu và số ô có giá trị của từng cột, còn describe() cho số nhỏ nhất, lớn nhất, trung bình và các phân vị của cột số. Cùng với df.shape, đây là ba lệnh chạy ngay sau khi đọc một file, để biết bảng có đủ và đúng kiểu chưa.

Cần biết trước: head() và tail(), DataFrame và shape và dtype của NumPy.

Kích thước bảng bằng shape

df.shape là một tuple hai số: số dòng rồi số cột, như shape của mảng NumPy hai chiều. Nó là thuộc tính, không phải phương thức, nên không có ngoặc tròn:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
so_dong, so_cot = chi_tieu.shape
print(chi_tieu.shape)
print(f"{so_dong} khoản chi, {so_cot} cột")

KẾT QUẢ

(1036, 5)
1036 khoản chi, 5 cột

Gán tuple cho hai biến một lần là cách Python thường dùng để lấy riêng số dòng và số cột.

Kiểu và ô trống của từng cột bằng info()

Đọc kết quả của info() theo từng dòng: mỗi dòng là một cột của bảng, cột Non-Null Count đếm ô có giá trị, cột Dtype là kiểu. Ghi memory_usage=False để bỏ dòng dung lượng bộ nhớ, con số đổi theo máy:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
chi_tieu.info(memory_usage=False)

KẾT QUẢ

<class 'pandas.DataFrame'>
RangeIndex: 1036 entries, 0 to 1035
Data columns (total 5 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   ngay       1036 non-null   str
 1   danh_muc   1036 non-null   str
 2   mo_ta      1036 non-null   str
 3   so_tien    1036 non-null   int64
 4   hinh_thuc  1036 non-null   str
dtypes: int64(1), str(4)

RangeIndex: 1036 entries là số dòng. Cả năm cột đều 1036 non-null, nên không có ô trống. Cột so_tien là int64 như mong đợi; bốn cột chữ là str. Một cột số mà hiện str là dấu hiệu file có ô chữ lẫn vào, việc của bài dtype và astype(). info() tự in ra, không trả gì, nên không bọc nó trong print().

Thống kê cột số bằng describe()

describe() tính tám con số cho mỗi cột số: count (số ô có giá trị), mean (trung bình), std (độ lệch chuẩn), min, ba phân vị 25%, 50%, 75%, và max. Tiền tính bằng đồng là số lớn, nên chia cho 1.000 để đọc theo nghìn đồng:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
nghin = chi_tieu["so_tien"] / 1000
print(nghin.describe().round(1))

KẾT QUẢ

count    1036.0
mean      179.6
std       507.8
min        25.0
25%        37.0
50%        47.0
75%       171.2
max      4500.0
Name: so_tien, dtype: float64

Phân vị 50% là trung vị: một nửa số khoản chi dưới 47 nghìn đồng. Trung bình cao gần gấp bốn trung vị vì vài khoản rất lớn như tiền nhà kéo lên; max là 4.500 nghìn, tức 4,5 triệu. Khi trung bình và trung vị cách xa nhau như thế, trung vị nói đúng hơn về "một khoản chi thường".

describe() với cột chữ

Gọi describe() trên cả bảng thì pandas chỉ tính cột số; cột chữ bị bỏ qua. Chọn các cột chữ rồi gọi describe() thì được bốn con số khác: count, unique (số giá trị khác nhau), top (giá trị gặp nhiều nhất), freq (số lần gặp nó):

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
print(chi_tieu[["danh_muc", "hinh_thuc"]].describe())

KẾT QUẢ

       danh_muc hinh_thuc
count      1036      1036
unique        7         4
top     Ăn uống  Tiền mặt
freq        815       586

Bảy danh mục, bốn hình thức trả; "Ăn uống" chiếm 815 trong 1.036 khoản, còn tiền mặt là cách trả hay gặp nhất. Muốn đếm đủ từng giá trị thì dùng value_counts().

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]}).shape cho kết quả gì?

    • (3, 2)
    • (2, 3)
    • 6
  2. Trong ví dụ info(), làm sao biết bảng chi_tieu không có ô trống?

    • Mọi cột đều 1036 non-null, bằng số dòng
    • Dòng dtypes không có float64
    • RangeIndex bắt đầu từ 0
  3. Trong ví dụ describe() trên cột so_tien, dòng 50% là gì?

    • Trung vị: một nửa số khoản chi nhỏ hơn nó
    • Trung bình của nửa đầu bảng
    • Một nửa tổng số tiền
  4. Sau import pandas as pd, pd.DataFrame({"a": [1, 2], "ten": ["x", "y"]}).describe().columns.to_list() cho kết quả gì?

    • ['a']
    • ['a', 'ten']
    • ['ten']
Đúng hết lần đầu +15 XP

Bài tập

Khoảng giữa của một cột

Để biết "khoản chi thường" dao động trong khoảng nào, người ta lấy phân vị 75% trừ phân vị 25%: nửa giữa các giá trị nằm trong khoảng đó. Viết thân hàm khoang_giua(bang, cot): dùng describe() trên cột tên cot của bang và trả phân vị 75% trừ phân vị 25%. Hàm không sửa bảng của nơi gọi.

Trả về: khoảng giữa của cột, một float.

python
import pandas as pd

def khoang_giua(bang, cot):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • df.shape là tuple (số dòng, số cột), không có ngoặc tròn.

  • df.info(memory_usage=False) in số dòng, số ô có giá trị và kiểu của từng cột; cột thiếu ô là cột có non-null nhỏ hơn số dòng.

  • df.describe() tính count, mean, std, min, 25%, 50%, 75%, max cho cột số; 50% là trung vị.

  • Trên cột chữ, describe() cho count, unique, top, freq.

Câu hỏi thường gặp

Vì sao describe() không có cột chữ của tôi?

Mặc định describe() chỉ tính cột số. Chọn riêng các cột chữ như ví dụ trên, hoặc dùng describe(include="all") để có cả hai loại trong một bảng, với ô NaN ở chỗ con số không áp dụng.

Cột số mà info() báo kiểu str là sao?

Có ít nhất một ô không đọc được thành số, như 1.250.000 có dấu chấm, - hay N/A. Tìm ô đó rồi đọc lại với tham số đúng, như bài read_csv nâng cao chỉ, hay đổi kiểu bằng to_numeric().

Độ lệch chuẩn std nói gì?

Mức các giá trị tản ra quanh trung bình: std nhỏ là các giá trị gần nhau, std lớn là tản rộng. Với cột tiền có vài khoản rất lớn, std lớn hơn cả trung bình, như ở cột so_tien.

info() và dtypes khác nhau thế nào?

df.dtypes chỉ trả kiểu của từng cột dưới dạng một Series, dùng được trong code. info() in thêm số dòng và số ô có giá trị, để đọc bằng mắt.

Chủ đề

pandas info

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập