pandas.Series.info

Series.info(verbose=None, buf=None, max_cols=None, memory_usage=None, show_counts=True)[source]

Вывод краткого описания Series.

Этот метод выводит информацию о Series, включая тип индекса, количество ненулевых значений и использование памяти.

Добавлен в версии 1.4.0.

Параметры

verbose:bool, необязательно

Выводить полное описание. По умолчанию используется значение из pandas.options.display.max_info_columns.

buf:записываемый буфер, по умолчанию sys.stdout

Куда отправлять вывод. По умолчанию вывод печатается в sys.stdout. Передайте записываемый буфер, если вам нужно дополнительно обработать вывод.

memory_usage:bool, str, необязательно

Указывает, следует ли отображать общее использование памяти элементами Series (включая индекс). По умолчанию это значение следует настройке pandas.options.display.memory_usage.

True всегда отображает использование памяти. False никогда не отображает использование памяти. Значение «deep» эквивалентно «True с глубоким анализом». Использование памяти отображается в удобочитаемых единицах (представление в базе 2). Без глубокого анализа оценка использования памяти производится на основе типа данных столбца и количества строк, предполагая, что значения потребляют одинаковое количество памяти для соответствующих типов данных. При глубоком анализе использования памяти выполняется реальный расчет использования памяти за счет вычислительных ресурсов. См. Часто задаваемые вопросы для получения дополнительной информации.

show_counts:bool, необязательно

Отображать ли количество ненулевых значений. По умолчанию отображается только если DataFrame меньше, чем pandas.options.display.max_info_rows и pandas.options.display.max_info_columns. Значение True всегда отображает счетчики, а False - никогда.

Возвращает

None

Этот метод выводит сводку Series и возвращает None.

См. также

Series.describe

Генерация описательной статистики Series.

Series.memory_usage

Использование памяти Series.

Примеры

>>> int_values = [1, 2, 3, 4, 5]
>>> text_values = ['alpha', 'beta', 'gamma', 'delta', 'epsilon']
>>> s = pd.Series(text_values, index=int_values)
>>> s.info()
<class 'pandas.core.series.Series'>
Int64Index: 5 entries, 1 to 5
Series name: None
Non-Null Count  Dtype
--------------  -----
5 non-null      object
dtypes: object(1)
memory usage: 80.0+ bytes

Выводит сводку, исключая информацию о значениях:

>>> s.info(verbose=False)
<class 'pandas.core.series.Series'>
Int64Index: 5 entries, 1 to 5
dtypes: object(1)
memory usage: 80.0+ bytes

Направить вывод Series.info в буфер вместо sys.stdout, получить содержимое буфера и записать в текстовый файл:

>>> import io
>>> buffer = io.StringIO()
>>> s.info(buf=buffer)
>>> s = buffer.getvalue()
>>> with open("df_info.txt", "w",
...           encoding="utf-8") as f:  
...     f.write(s)
260

Параметр memory_usage позволяет режим глубокого анализа, особенно полезный для больших Series и точной настройки оптимизации памяти:

>>> random_strings_array = np.random.choice(['a', 'b', 'c'], 10 ** 6)
>>> s = pd.Series(np.random.choice(['a', 'b', 'c'], 10 ** 6))
>>> s.info()
<class 'pandas.core.series.Series'>
RangeIndex: 1000000 entries, 0 to 999999
Series name: None
Non-Null Count    Dtype
--------------    -----
1000000 non-null  object
dtypes: object(1)
memory usage: 7.6+ MB

>>> s.info(memory_usage='deep')
<class 'pandas.core.series.Series'>
RangeIndex: 1000000 entries, 0 to 999999
Series name: None
Non-Null Count    Dtype
--------------    -----
1000000 non-null  object
dtypes: object(1)
memory usage: 55.3 MB