ภาพรวม
ใช้ DataFrame.info() แสดงข้อมูลครบ: index, columns, non-null count, dtype, memory usage
ตัวอย่างโค้ด
import pandas as pd
dataFrame = pd.DataFrame({
"Car": ['BMW', 'Audi', 'BMW', 'Lexus', 'Tesla', 'Lexus', 'Mustang'],
"Place": ['Delhi', 'Bangalore', 'Hyderabad', 'Chandigarh', 'Pune', 'Mumbai', 'Jaipur'],
"Units": [100, 150, 50, 110, 90, 120, 80]
})
print("DataFrame ...\n", dataFrame)
print("\nUnique values from a column ...\n", dataFrame['Car'].unique())
print("\nCount unique values from a column ...\n", dataFrame['Car'].nunique())
print("\nGet the datatype info ...\n")
dataFrame.info()
ผลลัพธ์
DataFrame ...
Car Place Units
0 BMW Delhi 100
1 Audi Bangalore 150
2 BMW Hyderabad 50
3 Lexus Chandigarh 110
4 Tesla Pune 90
5 Lexus Mumbai 120
6 Mustang Jaipur 80
Unique values from a column ...
['BMW' 'Audi' 'Lexus' 'Tesla' 'Mustang']
Count unique values from a column ...
5
Get the datatype info ...
RangeIndex: 7 entries, 0 to 6
Data columns (total 3 columns):
Car 7 non-null object
Place 7 non-null object
Units 7 non-null int64
dtypes: int64(1), object(2)
memory usage: 240.0+ bytes
คำอธิบาย Output ของ info()
- RangeIndex: ประเภทและช่วงของ index
- Data columns: จำนวนคอลัมน์และรายละเอียดแต่ละคอลัมน์
- non-null: จำนวนค่าที่ไม่ใช่ NaN
- dtype: ชนิดข้อมูล (object=string, int64, float64, bool, datetime64, category)
- dtypes summary: นับจำนวนคอลัมน์แต่ละ dtype
- memory usage: หน่วยความจำประมาณ (deep=True สำหรับค่าจริง)
Parameters ที่มีประโยชน์
df.info(verbose=True) # แสดงทุกคอลัมน์ (default)
df.info(verbose=False) # แสดง summary เฉพาะ
df.info(memory_usage='deep') # คำนวณ memory จริง (รวม object contents)
df.info(null_counts=True) # แสดง null count (default True)
คำสั่งเกี่ยวข้อง
df.dtypes– Series ของ dtype ทุกคอลัมน์df.describe()– สถิติพื้นฐาน (count, mean, std, min, max, quartiles)df.shape– (rows, cols)df.memory_usage(deep=True)– memory ต่อคอลัมน์
