Python中pandas对象调用时加()与不加()的区别是什么

你遇到的差异本质是Python中访问属性/方法对象和调用方法执行逻辑的区别，属于Python通用语法规则，和pandas本身没有特殊关联。

核心概念铺垫 #

Python中所有对象（比如你构建的DataFrame实例df）的成员分为两类：

• 属性：是对象存储的静态特征，不需要执行额外逻辑，直接读取即可，访问时不需要加括号
• 方法：是对象绑定的可执行函数，内部封装了处理逻辑，需要主动调用才会运行，调用时必须加括号，无参数时就写空括号()

对应示例场景对比 #

你给出的测试代码如下：

import pandas as pd
data = {'name':['Joe','Miachel'], 'age':[20,30]}
df = pd.DataFrame(data)

下面分别拆解四个写法的差异：

1. df.info() 与 df.info #

• df.info()：是主动调用info方法，会执行内部统计逻辑，直接打印DataFrame的列类型、非空值数量、内存占用等完整的诊断信息，该方法默认返回None。
• df.info：只是访问info这个方法对象本身，没有运行内部的统计逻辑。你看到的输出是Python交互环境（比如Jupyter、Python shell）自动打印的方法对象描述信息，格式通常为<bound method DataFrame.info of [你的df简略内容]>，这不是info功能设计的正式输出，仅用于调试时识别对象类型。

2. df.describe() 与 df.describe #

• df.describe()：是主动调用describe方法，会执行数值列的统计计算逻辑，返回一个存储了计数、均值、标准差、分位数、最值等统计指标的DataFrame，交互环境下会直接打印完整的统计结果。
• df.describe：同样是访问describe方法对象本身，输出为<bound method NDFrame.describe of [你的df简略内容]>，没有实际执行统计计算，也拿不到可用的统计结果。

快速判断是否需要加括号的方法 #

• 如果你需要触发某类处理逻辑、执行计算、拿到功能输出结果：加()调用方法，比如df.head()、df.dropna()、df.value_counts()
• 如果你只是读取对象自带的静态特征：不需要加括号，比如df.shape（返回行列数）、df.columns（返回列名列表）、df.dtypes（返回各列数据类型）

注意：如果把属性当成方法加了括号调用，会直接报错，比如运行df.shape()就会提示'tuple' object is not callable，因为shape是元组类型的属性，不是可调用的方法。

内容的提问来源于stack exchange，提问作者이영훈