pandas对Dataframe数据的常用分析函数

def show_df_info(df):
    print(df.info())
    print('######################## Missing value ######################## \n',df.isnull().sum())
    print('######################## Repeat ######################## \n', df.duplicated().any())
    print('######################## Count ######################## \n', df.nunique())
    print('######################## Describe ######################## \n', df.describe())

df.info() 一般看数据的整体情况，有无缺失，内存占用量，数据类型，数据索引范围等基本信息

RangeIndex: 100000 entries, 0 to 99999
Data columns (total 3 columns):
 #   Column     Non-Null Count   Dtype 
---  ------     --------------   ----- 
 0   user_id    100000 non-null  int64 
 1   gender     100000 non-null  int64 
 2   age_range  100000 non-null  object
dtypes: int64(2), object(1)
memory usage: 2.3+ MB

df.isnull().sum() 用来统计每个属性的缺失个数，有时候列数过多，df.info()显示的缺失情况会看起来眼花缭乱，所以用这种方式比较简单明了

######################## Missing value ######################## 
 user_id      0
gender       0
age_range    0
dtype: int64

df.duplicated().any() 查看数据的样本中有无重复值情况

df.duplicated(keep=False)        #将所有的重复样本都标记为True
df.duplicated(subset=['brand'])   #以某个子集为基准

df.nunique() 统计每个属性下面，不同值的总数

user_id      100000
gender            2
age_range        13
dtype: int64

df.describe()是对数据的统计信息的基本描述，适用于连续值属性

              user_id         gender
count  100000.000000  100000.000000
mean    49999.500000       0.405000
std     28867.657797       0.490894
min         0.000000       0.000000
25%     24999.750000       0.000000
50%     49999.500000       0.000000
75%     74999.250000       1.000000
max     99999.000000       1.000000