如何在 Python 数据框 (Dataframe) 中获取行数和列数？

在本教程中，我们将探讨如何确定数据框中有多少行和多少列。有几种方法可以实现这一点。让我们通过示例来研究每种方法。

快速计算 Pandas 数据框行数的方法

如果您需要快速知道给定 Pandas 数据框中有多少行，请参见下面的示例。

代码

Dataframe.shape()

我们可以使用 dataframe.shape 来计算数据框的行数和列数。dataframe.shape[0] 提供数据框的行数，dataframe.shape[1] 提供数据框的列数。

代码

输出

  row_1  row_2
0     A      6
1     B      7
2     C      8
3     D      9
Rows:  4
Columns:  2

Dataframe.len()

len() 函数可以确定数据框的行数和列数。行和列分别由 dataframe.axes[0] 和 dataframe.axes[1] 表示。因此，dataframe.axes[0] 和 dataframe.axes[1] 分别提供行数和列数。

代码

输出

Rows:  4
Columns:  2

Dataframe.index() 和 Dataframe.columns()

与示例 2 类似，Dataframe.index 提供行，dataframe.columns 提供列。len() 函数，len(dataframe.index) 和 len(dataframe.columns) 分别返回数据框的行数和列数。df.index 返回 RangeIndex(start = 0, stop = 7, step = 1)，可以与 len() 一起使用来获得计数。len(df) 也是一个选项，但它的运行速度比 len(df.index) 慢，因为它需要少一个函数调用。这些方法返回的计数比 df.shape[0] 更快。

代码

输出

Rows:  4
Columns:  2

Dataframe.count()

鉴于其性能，不推荐使用此策略；但是，我们仍然必须讨论它，因为它是一种确定数据框行数的方法。在确定计数时，我们应该注意到，此方法会排除包含 None 或 Nan 的列中的数据。

代码

输出

Rows:  4
Columns:  2

通过本教程，您已经学会了如何使用 DataFrame 来查找或获取 DataFrame 中的行数（仅行数）。您了解了如何通过 len(DataFrame.index)、len(DataFrame.axes[0])、DataFrame.count() 等方法获取 DataFrame 的形状。