สำรวจทุกคอลัมน์
ดูชนิดข้อมูล พิสัย และจำนวนค่าที่ไม่ซ้ำได้ทันที
สำรวจทุกคอลัมน์ เป็นบทเรียน Data Science Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Data Science Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
ทำความรู้จักทุกคอลัมน์ก่อน
ก่อนเริ่มการวิเคราะห์ที่ซับซ้อน ควรทำความรู้จักแต่ละฟิลด์ให้ดี การทำโปรไฟล์ข้อมูลหมายถึงการเรียนรู้ชนิด ช่วงค่า และลักษณะเฉพาะของแต่ละคอลัมน์ทีละคอลัมน์ 🔍
เริ่มด้วย info
การเรียกใช้เพียงครั้งเดียวจะแสดงชื่อคอลัมน์ จำนวนข้อมูล และชนิดข้อมูลโดยสรุป เรียกใช้ info ทันทีที่โหลด DataFrame เพื่อดูโครงสร้างพื้นฐาน
df.info()ตรวจสอบชนิดข้อมูล
ตัวเลขที่จัดเก็บเป็นข้อความจะทำให้การคำนวณผิดพลาดโดยไม่แจ้งเตือน การอ่านชนิดข้อมูลของแต่ละคอลัมน์จะบอกว่าคอลัมน์ใดต้องแปลงก่อนวิเคราะห์
df.dtypesตัวเลขเทียบกับหมวดหมู่
จัดการคอลัมน์ตามประเภทของข้อมูล ฟิลด์ตัวเลขเหมาะกับค่าเฉลี่ยและช่วงค่า ส่วนฟิลด์แบบหมวดหมู่เหมาะกับการนับจำนวนของแต่ละป้ายกำกับ
describe สำหรับตัวเลข
สำหรับคอลัมน์ตัวเลข การเรียกใช้เพียงครั้งเดียวจะสรุปจำนวน ค่าเฉลี่ย ค่าต่ำสุด และควอไทล์ ใช้ describe เพื่อตรวจจับค่าที่เป็นไปไม่ได้อย่างรวดเร็ว
df.describe()นับค่าที่ไม่ซ้ำกัน
คอลัมน์หนึ่งมีรายการที่แตกต่างกันกี่รายการ nunique ช่วยแยกคอลัมน์ ID ออกจากหมวดหมู่ขนาดเล็กได้ด้วยตัวเลขเพียงค่าเดียว
df.nunique()value_counts สำหรับหมวดหมู่
หากต้องการทำโปรไฟล์คอลัมน์ป้ายกำกับ ให้รวมจำนวนของแต่ละค่า value_counts จะแสดงทั้งหมวดหมู่ที่พบบ่อยที่สุดและคำสะกดผิดที่คาดไม่ถึง
df["plan"].value_counts()ค้นหาค่าที่หายไปตั้งแต่เนิ่น ๆ
ช่องว่างในคอลัมน์ส่งผลต่อความน่าเชื่อถือของข้อมูล การนับค่าว่างในแต่ละคอลัมน์จะแสดงให้เห็นว่าข้อมูลส่วนใดมีน้อย ก่อนที่คุณจะนำไปใช้อ้างอิง
df.isna().sum()ตรวจสอบความสมเหตุสมผลของช่วงค่า
ลองพิจารณาว่าค่าต่ำสุดและค่าสูงสุดของแต่ละคอลัมน์สมเหตุสมผลหรือไม่ อายุที่ติดลบหรือวันที่ในอนาคตคือสัญญาณอันตรายที่ควรตรวจพบระหว่างทำโปรไฟล์
ดูแถวข้อมูลจริง
ข้อมูลสรุปอาจซ่อนรายละเอียดบางอย่างไว้ จึงควรดูตัวอย่างจริงด้วย sample แถวอย่างรวดเร็วจะเผยปัญหาการจัดรูปแบบที่ตัวเลขเพียงอย่างเดียวมองไม่เห็น
df.sample(5)จัดทำรายการข้อมูลของคอลัมน์
จดบันทึกหนึ่งบรรทัดต่อคอลัมน์ ระบุความหมาย ชนิดข้อมูล และปัญหาที่พบ รายการข้อมูลนี้จะกลายเป็นแผนที่สำหรับทุกขั้นตอนถัดไป
ตรวจสอบความเข้าใจ
คุณต้องการความถี่ของแต่ละหมวดหมู่ในคอลัมน์ป้ายกำกับ
สรุป: ทำความรู้จักทุกคอลัมน์
ตอนนี้คุณทำโปรไฟล์ด้วย info, describe, nunique และ value_counts แล้วตรวจสอบค่าว่างและช่วงค่า รายการข้อมูลนี้ช่วยวางพื้นฐานให้กับการวิเคราะห์ต่อไป ✅
คำถามที่พบบ่อย
บทเรียน “สำรวจทุกคอลัมน์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “สำรวจทุกคอลัมน์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Data Science Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “สำรวจทุกคอลัมน์”
ดูชนิดข้อมูล พิสัย และจำนวนค่าที่ไม่ซ้ำได้ทันที คุณปฏิบัติ Data Science Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Data Science Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Data Science Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “สำรวจทุกคอลัมน์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Data Science Academy นี้ได้ไหม
ได้ บทเรียน Data Science Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ