进货篇-Day6｜切配预备：查看行列、索引、列名、数据类型

📖 知识点

1. shape：看行列数

df.shape
# 返回 (行数, 列数)，如 (6, 3)

一眼知道这张桌上有几行菜、几列字段。

2. columns：看列名

df.columns
# 返回所有列名，如 Index(['菜名','价格','数量'], dtype='object')

知道有哪些 "字段"（每列叫什么）。

3. index：看行索引

df.index
# 返回索引，如 RangeIndex(start=0, stop=6, step=1)

每行都有一个 "编号"（索引），默认从 0 开始自动编号。

4. dtypes：看每列数据类型

df.dtypes
# 返回每列类型：菜名 object、价格 int64、数量 int64

知道每列是文本（object）、整数（int64）还是小数（float64）。

完整示例

import pandas as pd

data = {
    "菜名": ["白菜", "番茄", "土豆", "黄瓜"],
    "价格": [3, 5, 2, 4],
    "数量": [10.5, 20.0, 30.0, 15.0],
}
df = pd.DataFrame(data)

print("行数、列数：", df.shape)
print("列名：", df.columns)
print("行索引：", df.index)
print("每列类型：\n", df.dtypes)

💡 四招总结

方法 / 属性	作用
df.shape	几行几列
df.columns	有哪些列名
df.index	行索引怎么排
df.dtypes	每列数据类型

⚠️ 易错提醒

1. 这些是属性，不加括号（df.columns 不是 df.columns()）
2. 数据类型决定能做什么运算：数字列能加、能算均值，文本列不能
3. 类型不对是后续分析的常见坑，先看清再动手

⚔️ Kata 实战任务

任务需求：

1. 导入 pandas，创建一个含文本和数值的 DataFrame
2. 用 df.shape 查看行列数
3. 用 df.columns 查看列名
4. 用 df.index 查看行索引
5. 用 df.dtypes 查看每列类型
6. 打印全部结果

参考代码

import pandas as pd

data = {
    "菜名": ["白菜", "番茄", "土豆", "黄瓜"],
    "价格": [3, 5, 2, 4],
    "数量": [10.5, 20.0, 30.0, 15.0],
}
df = pd.DataFrame(data)

# 切配预备：摸清食材桌结构
print("📐 表格形状（行, 列）：", df.shape)
print("🏷️ 列名：", list(df.columns))
print("🔢 行索引：", list(df.index))
print("🧬 每列数据类型：")
print(df.dtypes)

运行输出：

📐 表格形状（行, 列）： (4, 3)
🏷️ 列名： ['菜名', '价格', '数量']
🔢 行索引： [0, 1, 2, 3]
🧬 每列数据类型：
菜名    object
价格     int64
数量    float64
dtype: object

🧠 思考题

1. df.shape 返回的 (4, 3) 哪一个是行、哪一个是列？
2. 为什么 "数量" 列是 float64（小数）而 "价格" 是 int64（整数）？这和数据内容有什么关系？