df.info()展示数据结构与内存占用，df.describe()统计数值分布；前者诊断类型与缺失，后者分析均值、分位数等，需注意类型过滤与性能开销。
用 df.info() 看数据结构和内存占用
df.info() 主要告诉你“这 DataFrame 长什么样、占多少内存、有没有空值”，不是统计数字本身。它会打印列名、非空计数、数据类型、内存使用量，适合快速诊断读取是否出错、字段类型是否合理。
常见错误现象：df.info() 显示某列全是 object 类型，但你本以为是数值——说明可能混入了空格、字符串（如 "N/A"）、或缺失值被读成字符串；又或者 datetime 列没被自动解析，卡在 object 里。
- 调用前先确认
df确实是你想查的 DataFrame（别误用pd.read_csv(...).info()，那会返回None） - 加参数
verbose=True（默认）才显示每列详情；verbose=False只给摘要，适合大表速览 - 内存显示单位是字节，但实际可能远超预期——比如一列
object存短字符串，Python 每个字符串对象有额外开销，df.info(memory_usage='deep')才算真实内存
用 df.describe() 看数值列的分布特征
df.describe() 默认只对 number 类型列计算统计量：计数、均值、标准差、最小/最大、25%/50%/75% 分位数。它不处理 object 或 category 列，除非你显式要求。
使用场景：刚拿到清洗后的数值表，想一眼判断是否存在异常值（比如最大值明显偏离）、数据是否近似正态（看均值与中位数是否接近）、是否有大量缺失（计数明显少于行数）。
立即学习“Python免费学习笔记（深入）”；
- 想包含非数值列？加参数
include='all'，这时object列会返回count、unique、top（最频繁值）、freq（出现频次） - 只想看某几列？传列表进去：
df.describe(include=['float64', 'int64'])或df[['col_a', 'col_b']].describe() - 百分位数可自定义：
df.describe(percentiles=[.1, .9])，比默认的四分位更早暴露长尾
describe() 的输出结果为什么有时列数变少了？
这不是 bug，是 Pandas 的类型过滤逻辑在起作用。默认 df.describe() 只保留 number 类型列；如果 DataFrame 里没有数值列（比如全是字符串或时间），结果就是空的 DataFrame，打印出来像“没东西”。
容易踩的坑：你刚用 pd.to_datetime() 转了一列日期，再跑 describe() 发现它不见了——因为 datetime64 不属于默认的 number 类型，得手动加 include='datetime' 或 include='all' 才会出现。
- 检查列类型：
df.dtypes，别靠肉眼猜 - 想让时间列也参与统计（如最早/最晚时间）：
df.describe(include='datetime64') - 混合类型列（如
object里既有数字字符串又有文本）不会被describe(include='all')当作数值处理，仍只给count/unique等
性能和兼容性：大表别无脑 describe(include='all')
include='all' 会让 Pandas 对每列都做唯一值扫描和频次统计，遇到高基数字符串列（比如用户 ID、URL），速度会断崖式下降，甚至卡死。这不是设计缺陷，而是算法必然代价。
实际项目中，10 万行以上、含文本列的表，describe(include='all') 很可能比 describe() 慢几十倍，且返回结果难以阅读。
- 优先用
df.describe()+df.nunique()+df.isna().sum()组合替代include='all' - 真要查文本列分布？单独用
df['text_col'].value_counts().head(10)，可控且快 - Pandas 1.4+ 开始，
describe()对category类型支持更好，但老版本可能跳过或报错，注意升级提示
