Python pandas中的str()、summary()和head()等R函数的等价物是什么?

ar7v8xwq  于 2023-09-27  发布在  Python
关注(0)|答案(8)|浏览(90)

我只知道describe()函数。是否有其他类似于str()summary()head()的功能?

kx5bkwkv

kx5bkwkv1#

在pandas中,info()方法创建的输出与R的str()非常相似:

> str(train)
'data.frame':   891 obs. of  13 variables:
 $ PassengerId: int  1 2 3 4 5 6 7 8 9 10 ...
 $ Survived   : int  0 1 1 1 0 0 0 0 1 1 ...
 $ Pclass     : int  3 1 3 1 3 3 1 3 3 2 ...
 $ Name       : Factor w/ 891 levels "Abbing, Mr. Anthony",..: 109 191 358 277 16 559 520 629 417 581 ...
 $ Sex        : Factor w/ 2 levels "female","male": 2 1 1 1 2 2 2 2 1 1 ...
 $ Age        : num  22 38 26 35 35 NA 54 2 27 14 ...
 $ SibSp      : int  1 1 0 1 0 0 0 3 0 1 ...
 $ Parch      : int  0 0 0 0 0 0 0 1 2 0 ...
 $ Ticket     : Factor w/ 681 levels "110152","110413",..: 524 597 670 50 473 276 86 396 345 133 ...
 $ Fare       : num  7.25 71.28 7.92 53.1 8.05 ...
 $ Cabin      : Factor w/ 148 levels "","A10","A14",..: 1 83 1 57 1 1 131 1 1 1 ...
 $ Embarked   : Factor w/ 4 levels "","C","Q","S": 4 2 4 4 4 3 4 4 4 2 ...
 $ Child      : num  0 0 0 0 0 NA 0 1 0 1 ...

train.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB
wb1gzix0

wb1gzix02#

这提供了类似于R的str()的输出。它提供唯一值而不是初始值。

def rstr(df): return df.shape, df.apply(lambda x: [x.unique()])

print(rstr(iris))

((150, 5), sepal_length    [[5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.4, 4.8, 4.3,...
sepal_width     [[3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 2.9, 3.7,...
petal_length    [[1.4, 1.3, 1.5, 1.7, 1.6, 1.1, 1.2, 1.0, 1.9,...
petal_width     [[0.2, 0.4, 0.3, 0.1, 0.5, 0.6, 1.4, 1.5, 1.3,...
class            [[Iris-setosa, Iris-versicolor, Iris-virginica]]
dtype: object)
gwbalxhn

gwbalxhn3#

  • summary() ~ describe()
  • head() ~ head()

我不确定str()的等价物。

w1jd8yoj

w1jd8yoj4#

Pandas提供了广泛的Comparison with R / R libraries。最明显的区别是R更喜欢函数式编程,而Pandas是面向对象的,数据框是关键对象。R和Python之间的另一个区别是Python从0开始数组,而R从1开始。

R               | Pandas
-------------------------------
summary(df)     | df.describe()
head(df)        | df.head()
dim(df)         | df.shape
slice(df, 1:10) | df.iloc[:9]
8ftvxx2r

8ftvxx2r5#

对于与R中的str()函数等效的Python,我使用方法dtypes。这将为每一列提供数据类型。

In [22]: df2.dtypes
Out[22]: 
Survived      int64
Pclass        int64
Sex          object
Age         float64
SibSp         int64
Parch         int64
Ticket       object
Fare        float64
Cabin        object
Embarked     object
dtype: object
cngwdvgl

cngwdvgl6#

我还是更喜欢str(),因为它列出了一些例子。info的一个令人困惑的方面是,它的行为取决于一些环境设置,如pandas.options.display.max_info_columns
我认为最好的替代方案是使用其他一些参数调用info,这些参数将强制执行固定的行为:

df.info(null_counts=True, verbose=True)

对于您的其他功能:

summary(df)     | df.describe()
head(df)        | df.head()
dim(df)         | df.shape
tmb3ates

tmb3ates7#

我不认为Pandas中有一个直接等价于str()函数(或dplyrglimpse())的函数可以提供相同的信息。我认为一个等效的函数必须显示以下内容:
1.数据框中的行数和列数
1.所有列的名称
1.存储在每列中的数据类型
1.快速查看每列中的前几个值
基于@jjurach的回答,我写了一个辅助函数,作为R strglimpse函数的替身,以快速获得DataFrames的概述。下面是一个示例代码:

import pandas as pd
import random

# an example dataframe to test the helper function
example_df = pd.DataFrame({
    "var_a": [random.choice(["foo","bar"]) for i in range(20)],
    "var_b": [random.randint(0, 1) for i in range(20)],
    "var_c": [random.random() for i in range(20)]
})

# helper function for viewing pandas dataframes
def glimpse_pd(df, max_width=76):

    # find the max string lengths of the column names and dtypes for formatting
    _max_len = max([len(col) for col in df])
    _max_dtype_label_len = max([len(str(df[col].dtype)) for col in df])

    # print the dimensions of the dataframe
    print(f"{type(df)}:  {df.shape[0]} rows of {df.shape[1]} columns")

    # print the name, dtype and first few values of each column
    for _column in df:

        _col_vals = df[_column].head(max_width).to_list()
        _col_type = str(df[_column].dtype)

        output_col = f"{_column}:".ljust(_max_len+1, ' ')
        output_dtype = f" {_col_type}".ljust(_max_dtype_label_len+3, ' ')

        output_combined = f"{output_col} {output_dtype} {_col_vals}"

        # trim the output if too long
        if len(output_combined) > max_width:
            output_combined = output_combined[0:(max_width-4)] + " ..."

        print(output_combined)

运行该函数将返回以下输出:

glimpse_pd(example_df)
<class 'pandas.core.frame.DataFrame'>:  20 rows of 3 columns
var_a:  object    ['foo', 'bar', 'foo', 'foo', 'bar', 'bar', 'foo', 'bar ...
var_b:  int64     [0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 0, 0, 0, ...
var_c:  float64   [0.7346545694885085, 0.7776711488732364, 0.49558114902 ...
6l7fqoea

6l7fqoea8#

我对R不太了解,但这里有一些线索:

str =>

困难的一个…对于函数,你可以使用dir(),数据集上的dir()会给予你所有的方法,所以也许这不是你想要的...

summary => describe.

请参阅参数以自定义结果。

head => your can use head(), or use slices.

就像你已经做的那样。要获取名为ds ds[:10]的数据集的前10行,与tail ds[:-10]相同

相关问题