计算Pandas数据框架的行和列的数量

Pandas允许我们通过计算Dataframe中的行和列的数量来获得Dataframe的形状。你可以尝试各种方法来了解如何计算Pandas中的行和列的数量。

示例:

输入:

{'name':          ['Katherine', 'James', 'Emily', 'Michael', 'Matthew', 'Laura'],
        'score':         [98, 80, 60, 85, 49, 92],
        'age':           [20, 25, 22, 24, 21, 20],
        'qualify_label': ['yes', 'yes', 'no','yes', 'no', 'yes']}

输出:

Number of Rows: 6
Number of Columns: 4

使用len(df.axes[])函数计算Dataframe的行和列的数量

让我们举个例子，一个由学生考试成绩数据组成的数据框架。为了得到行和列的数量，我们可以使用Python中的len( df.axes[])函数。

# importing pandas
import pandas as pd
result_data = {'name': ['Katherine', 'James', 'Emily',
                        'Michael', 'Matthew', 'Laura'],
               'score': [98, 80, 60, 85, 49, 92],
               'age': [20, 25, 22, 24, 21, 20],
               'qualify_label': ['yes', 'yes', 'no',
                                 'yes', 'no', 'yes']}
 
# creating dataframe
df = pd.DataFrame(result_data, index=None)
 
# computing number of rows
rows = len(df.axes[0])
 
# computing number of columns
cols = len(df.axes[1])
 
print(df)
print("Number of Rows: ", rows)
print("Number of Columns: ", cols)

输出 :

计算Pandas数据框架的行和列的数量

使用info()函数计算Dataframe的行数和列数

Pandas dataframe.info()函数被用来获取Dataframe的简明摘要。在这里我们可以看到，我们得到了一个包含行数和列数的Dataframe的摘要细节。

# importing pandas
import pandas as pd
 
# creating dataframe
df = pd.DataFrame({'name': ['Katherine', 'James', 'Emily',
                            'Michael', 'Matthew', 'Laura'],
                   'score': [98, 80, 60, 85, 49, 92],
                   'age': [20, 25, 22, 24, 21, 20],
                   'qualify_label': ['yes', 'yes', 'no',
                                     'yes', 'no', 'yes']})
 
print(df.info())

输出:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: **6 entries** , **0 to 5**
Data columns ( **total 4 columns** ):
 #   Column         Non-Null Count  Dtype 
---  ------         --------------  ----- 
 0   name           6 non-null      object
 1   score          6 non-null      int64 
 2   age            6 non-null      int64 
 3   qualify_label  6 non-null      object
dtypes: int64(2), object(2)
memory usage: 320.0+ bytes
None

使用len()函数计算Dataframe的行和列的数量

len()函数返回Dataframe的长度行，我们可以使用df.columns过滤一些列，得到列的数量。

# importing pandas
import pandas as pd
 
# creating dataframe
df = pd.DataFrame({'name': ['Katherine', 'James', 'Emily',
                            'Michael', 'Matthew', 'Laura'],
                   'score': [98, 80, 60, 85, 49, 92],
                   'age': [20, 25, 22, 24, 21, 20],
                   'qualify_label': ['yes', 'yes', 'no',
                                     'yes', 'no', 'yes']})
 
print(len(df))
print(len(df.columns))

输出:

6
4

使用shape计算Dataframe的行数和列数

这里，我们将尝试一种不同的方法来计算导入的CSV文件的Dataframe的行和列，并使用df.shape来计算行和列。

# importing pandas
import pandas as pd
 
# importing csv file
df = pd.read_csv(
    'https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv')
 
print(df.head())
 
# obtaining the shape
print("shape of dataframe", df.shape)
 
# obtaining the number of rows
print("number of rows : ", df.shape[0])
 
# obtaining the number of columns
print("number of columns : ", df.shape[1])

输出 :

计算Pandas数据框架的行和列的数量

使用大小来计算数据框架的行和列的数量

大小返回多行和多列，即这里的行数是6，列数是4，所以多行和多列将是6*4=24。

# importing pandas
import pandas as pd
 
# creating dataframe
df = pd.DataFrame({'name': ['Katherine', 'James', 'Emily',
                            'Michael', 'Matthew', 'Laura'],
                   'score': [98, 80, 60, 85, 49, 92],
                   'age': [20, 25, 22, 24, 21, 20],
                   'qualify_label': ['yes', 'yes', 'no',
                                     'yes', 'no', 'yes']})
 
print(df.size)

输出:

使用count()和index.计算Pandas数据框架的行数

使用count()和index，我们可以得到数据框架中存在的行数。

# importing pandas
import pandas as pd
 
# creating dataframe
df = pd.DataFrame({'name': ['Katherine', 'James', 'Emily',
                        'Michael', 'Matthew', 'Laura'],
               'score': [98, 80, 60, 85, 49, 92],
               'age': [20, 25, 22, 24, 21, 20],
               'qualify_label': ['yes', 'yes', 'no',
                                 'yes', 'no', 'yes']})
 
print(df[df.columns[0]].count())
print(len(df.index))