Python 对数据帧的每一列执行多个探索性测试

是否有一种更干净的方法可以对表进行此类测试，例如空值、唯一值等，并将结果放入新的数据帧中。这段代码对我来说很有用，但我相信有更好的方法

输入：

lvl1 = ['A','A','A','A','A','B','B','B','B',np.nan ]
lvl2 = ['foo','foo','bar','bar','bar','foo','foo','foo','bar','bar']
df = pd.DataFrame({ 'L1' : lvl1, 'L2' : lvl2})


df.apply(lambda x: [ 100*(1-x.count()/len(x.index)),x.dtype,x.unique()],result_type='expand').T.rename(index=str, columns={0: "Nullity %", 1: "Type",2:"Unique Values"})

输出

    Nullity %   Type    Unique Values
L1  10          object  [A, B, nan]
L2  0           object  [foo, bar]

在将来，我想扩展它，包括对列的其他测试，并想知道在pandas中做这件事的正确方法是什么

---

UPD：附加问题：如何将每个唯一值的计数添加到此测试中？

一种方法是使用字典定义列名和相关函数：

d = {'Nullity %': lambda x: 100*(1-x.count()/len(x.index)),
     'Type': lambda x: x.dtype,
     'Unique Values': lambda x: x.unique()}

res = pd.DataFrame([{name: func(df[col]) for name, func in d.items()} for col in df],
                   index=df.columns)

print(res)

    Nullity %    Type Unique Values
L1       10.0  object   [A, B, nan]
L2        0.0  object    [foo, bar]

要获得更实用的解决方案，您可以使用

操作员

模块：

from operator import attrgetter, methodcaller

d = {'Nullity %': lambda x: 100*(1-x.count()/len(x.index)),
     'Type': attrgetter('dtype'),
     'Unique Values': methodcaller('unique')}

---

您能给出一个输入和预期输出的示例吗？

df.descripe（）

不能满足您的要求？@bakka

df.descripe（）

不能给我空值、类型或唯一值您当前的解决方案有什么问题？对我来说似乎很好。@jpp这是一个由不同代码片段组成的弗兰肯斯坦，我仍然在想它是如何工作的。例如，如何从一开始就定义列名，而不必在以后重命名？非常感谢！尽管如此，我还是会坚持我的解决方案，因为它要少得多verbose@hashimov，将所有内容放在一行并不意味着“不那么冗长”！我的意思是它更容易复制/粘贴供我日常使用