Pandas с нуля. Часть 3: первый взгляд на данные — info…

Это часть 3 из 10 курса «Pandas с нуля для аналитика».

Тебе скинули файл с данными. Первое, что делает любой нормальный аналитик, — не пишет умные формулы, а тратит пять минут на то, чтобы понять, что вообще внутри. Сколько строк? Какие колонки? Где пропуски? Что за типы данных? Этот этап называется «разведка» (exploratory look), и сегодня ты освоишь весь джентльменский набор инструментов, которым его делают. Пропустишь его — и через час будешь считать средний чек по колонке, где половина значений лежит текстом, а не числом.

Что разберёшь в этом уроке

• Зачем вообще «смотреть» на данные
• head, tail, sample — глянуть кусочек
• shape, columns, dtypes — каркас таблицы
• info() — паспорт таблицы одной командой
• describe() — статистика в один присест
• value_counts и nunique — что внутри категорий
• memory_usage — сколько весит таблица
• Индекс: скрытая колонка, которую все игнорируют
• Практика

Частые вопросы

Чем отличается df.info() от df.describe()?

df.info() показывает структуру: число строк, типы колонок, количество непустых значений и расход памяти. df.describe() считает статистику (count, mean, std, min, квартили, max) только по числовым колонкам по умолчанию.

Как посмотреть статистику по строковым колонкам?

Вызовите df.describe(include='object') или include='all' для всех типов. Для текстовых колонок выводятся count, unique (число уникальных), top (самое частое) и freq (его частота).

Что такое индекс в DataFrame и зачем он нужен?

Индекс — это метки строк, по которым идёт выравнивание данных и быстрый доступ через .loc. По умолчанию это RangeIndex 0..N-1, но индексом можно сделать дату или ключ через set_index, что ускоряет джойны и срезы.