info() và describe() trong pandas: đọc một bảng lạ
Bài 6/8 · Chương 2
Series và DataFrame
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 12
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:
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 cộtGán 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:
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:
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: float64Phân 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):
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 586Bảy 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
Sau
import pandas as pd,pd.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]}).shapecho kết quả gì?(3, 2)(2, 3)6
Trong ví dụ info(), làm sao biết bảng chi_tieu không có ô trống?
- Mọi cột đều
1036 non-null, bằng số dòng - Dòng
dtypeskhông cófloat64 RangeIndexbắt đầu từ0
- Mọi cột đều
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
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']
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.
import pandas as pd
def khoang_giua(bang, cot):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
df.shapelà 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 cónon-nullnhỏ hơn số dòng.df.describe()tínhcount,mean,std,min,25%,50%,75%,maxcho cột số;50%là trung vị.Trên cột chữ,
describe()chocount,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
Dữ liệu của bài
- Tải xuống
chi_tieu.csv
CSV · 56.82 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.