进货篇-Day5｜识菜明鉴：查看数据概览：head /tail/info /describe

📖 知识点

1. head () /tail ()：看头看尾

数据很大时不能全打印，只看前几行或后几行：

df.head()     # 默认看前5行
df.head(10)   # 看前10行
df.tail()     # 默认看后5行
df.tail(3)    # 看最后3行

像翻台账，先翻开头几页、再翻结尾几页，就能大致知道记了些什么。

2. info ()：看整体结构

df.info() 查看数据的 "档案"—— 行列数、列名、每列类型、非空数量：

df.info()

运行输出：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   菜名     4 non-null      object
 1   价格     4 non-null      int64
 2   数量     4 non-null      int64
dtypes: int64(2), object(1)

重点看：多少行、多少列、每列类型（object 文本 /int 数字）、有无缺失（non-null 数量）。

3. describe ()：看数值统计

df.describe() 对数值列做统计汇总：计数、均值、标准差、最小 / 最大值、四分位数：

df.describe()

运行输出：

          价格        数量
count  4.000000   4.000000
mean   3.500000  18.750000
std    1.290994   8.539125
min    2.000000  10.000000
25%    2.750000  13.750000
50%    3.500000  17.500000
75%    4.250000  22.500000
max    5.000000  30.000000

快速看出数据的 "味道"：均值、波动、极值一目了然。

💡 四招总结

方法	作用
df.head(n)	看前 n 行
df.tail(n)	看后 n 行
df.info()	看结构（行列、类型、缺失）
df.describe()	看数值统计（均值、极值等）

⚠️ 易错提醒

1. describe() 只统计数值列，文本列不参与
2. info() 里的 object 表示文本 / 字符串列
3. 数据量大时别直接 print(df) 全打，用 head/tail 最稳妥

⚔️ Kata 实战任务

任务需求：

1. 导入 pandas，创建一个含数值和文本的 "食材"DataFrame（菜名、价格、数量）
2. 用 head() 看前 2 行，tail(2) 看后 2 行
3. 用 info() 查看表格结构
4. 用 describe() 查看数值列的统计汇总
5. 对比四招各自的观察角度

参考代码

import pandas as pd

# 进货一批食材
data = {
    "菜名": ["白菜", "番茄", "土豆", "黄瓜", "茄子", "冬瓜"],
    "价格": [3, 5, 2, 4, 6, 1],
    "数量": [10, 20, 30, 15, 25, 40],
}
df = pd.DataFrame(data)

# 识菜明鉴四招
print("===== head：看前2行 =====")
print(df.head(2))

print("\n===== tail：看后2行 =====")
print(df.tail(2))

print("\n===== info：看结构 =====")
df.info()

print("\n===== describe：看数值统计 =====")
print(df.describe())

运行输出：

===== head：看前2行 =====
   菜名  价格  数量
0  白菜    3   10
1  番茄    5   20

===== tail：看后2行 =====
   菜名  价格  数量
4  茄子    6   25
5  冬瓜    1   40

===== info：看结构 =====
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   菜名     6 non-null      object
 1   价格     6 non-null      int64
 2   数量     6 non-null      int64
dtypes: int64(2), object(1)

===== describe：看数值统计 =====
          价格        数量
count  6.000000   6.000000
mean   3.500000  23.333333
std    1.870829  11.690452
min    1.000000  10.000000
25%    2.250000  16.250000
50%    3.500000  22.500000
75%    4.750000  28.750000
max    6.000000  40.000000

🧠 思考题

1. 数据有 1000 行，想看数据 "大概长什么样"，应该用哪个方法？直接 print (df) 有什么问题？
2. describe() 为什么只统计数值列？如果想看文本列的情况，该用什么方法？