用Python做數據分析初探（四）

瞭解基本情況

我們可以用 DataFrame 的describe()函數列出一些統計信息：

該函數列出了DataFrame 的行數，均值，方差，最大最小值， 25%， 50%， 75%處的值，讓我們能對數據有個大概的瞭解。

然後我想按文件的尺寸排序，瞭解哪些文件的尺寸是最大的，用sort_values()函數即可。在Jupter notebook 裏，可以用help命令方便地查看文檔：

help(pd.DataFrame.sort_values)

這是sort_values 的結果，按尺寸的降序排列：

我們也可以對某列做一些統計：

接下來，我想按文件類型對文件做一個計數，看哪些類型的文件數量最多。先把文件名的後綴取出來：

def get_suffix(name):
    return os.path.splitext(name)[1]

suffix = map(get_suffix, file['name'])

suffix 是所有後綴的列表，它有許多重複項，和 file[‘name’]的長度是一樣的：

我們把它轉化爲Pandas 的Series 對象，並作圖：

pd.Series(suffix).value_counts()[:10].plot(kind='barh', rot=0)

我們看到， 數量最多的是 htm 文件。