pandas 求 DataFrame 的行数和列数
假设有 dataFrame 叫 df。
1、求行数
法一：
len(df)
法二：
df.shape[0]
2、求列数
df.shape[1]
以上，问题解决~
pandas 求 DataFrame 的行数和列数
2023-01-08
99
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
pandas 求 DataFrame 的行数和列数
目录
相关文章
|
1月前
|
存储
数据采集
数据处理
|
1月前
|
BI
数据处理
索引
|
30天前
|
数据可视化
数据挖掘
数据处理
进阶 pandas DataFrame：挖掘高级数据处理技巧
【5月更文挑战第19天】本文介绍了Pandas DataFrame的高级使用技巧，包括数据重塑（如`pivot`和`melt`）、字符串处理（如提取和替换）、日期时间处理（如解析和时间序列操作）、合并与连接（如`merge`和`concat`），以及使用`apply()`应用自定义函数。这些技巧能提升数据处理效率，适用于复杂数据分析任务。推荐进一步学习和探索Pandas的高级功能。
48
6
6
|
1月前
|
存储
JSON
数据处理
|
1月前
|
SQL
数据库
索引
|
1月前
|
数据采集
索引
Python
|
3天前
|
Python
在Python的pandas库中，向DataFrame添加新列简单易行
【6月更文挑战第15天】在Python的pandas库中，向DataFrame添加新列简单易行。可通过直接赋值、使用Series或apply方法实现。例如，直接赋值可将列表或Series对象分配给新列；使用Series可基于现有列计算生成新列；apply方法则允许应用自定义函数到每一行或列来创建新列。
34
8
8
|
8天前
|
数据可视化
数据挖掘
数据处理
|
30天前
|
数据挖掘
数据处理
Python
【Python DataFrame 专栏】深入探索 pandas DataFrame：高级数据处理技巧
【5月更文挑战第19天】在 Python 数据分析中，pandas DataFrame 是核心工具。本文介绍了几个高级技巧：1) 横向合并 DataFrame；2) 数据分组与聚合；3) 处理缺失值；4) 数据重塑；5) 条件筛选；6) 使用函数处理数据。掌握这些技巧能提升数据处理效率和分析深度，助你更好地发掘数据价值。
16
1
1
|
1月前
|
Python
使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序
【5月更文挑战第2天】使用Python pandas的sort_values()方法可按一个或多个列对DataFrame排序。示例代码展示了如何按'Name'和'Age'列排序 DataFrame。先按'Name'排序，再按'Age'排序。sort_values()的by参数接受列名列表，ascending参数控制排序顺序（默认升序），inplace参数决定是否直接修改原DataFrame。
35
1
1
热门文章
最新文章
1
pandas 打开没有列名的表格，并命名
2
流计算风云再起 - PostgreSQL携PipelineDB力挺IoT(物联网), 大幅提升性能和开发效率
3
PyODPS 安装常见问题解决
4
redis4.0之Lua脚本新姿势
5
建模常用的pandas语句
6
pandas 索引与列相互转化
7
Pandas基础复习-DataFrame
8
【笔记6】用pandas实现条目数据格式的推荐算法 (基于物品的协同)
9
数据专家最常使用的 10 大类 Pandas 函数 ⛵
1
一键实现数据采集和存储：Python爬虫、Pandas和Excel的应用技巧
47
2
Pandas基本操作：Series和DataFrame（Python）
152
3
如何使用Python的Pandas库进行数据透视图（melt/cast）操作？
50
4
如何使用Pandas库对非数值型数据进行排序和排名？
30
5
如何使用Python的Pandas库进行数据排序和排名？
38
6
如何在Pandas中对数据集进行多级分组并进行聚合计算？
24
7
如何使用Python的Pandas库进行数据分组和聚合操作？
36
8
如何在Python中，Pandas库实现对数据的时间序列分析？
50
9
探索数据科学中的Python神器——Pandas库的强大功能
31
10
Pandas 28种常用方法使用总结（下）
42