python - 如何获取 Pandas DataFrame 的行数？

Question

我正在尝试使用 Pandas 获取数据帧 df 的行数，这是我的代码。

方法一：

total_rows = df.count
print total_rows + 1

方法二：

total_rows = df['First_column_label'].count
print total_rows + 1

两个代码片段都给了我这个错误：

类型错误：+ 不支持的操作数类型：“instancemethod”和“int”

我究竟做错了什么？

Answer 1

对于 dataframe df，可以使用以下任何一种：

• len(df.index)
• df.shape[0]
• df[df.columns[0]].count()（==第一列中非 NaN 值的数量）

---

重现情节的代码：

import numpy as np
import pandas as pd
import perfplot

perfplot.save(
    "out.png",
    setup=lambda n: pd.DataFrame(np.arange(n * 3).reshape(n, 3)),
    n_range=[2**k for k in range(25)],
    kernels=[
        lambda df: len(df.index),
        lambda df: df.shape[0],
        lambda df: df[df.columns[0]].count(),
    ],
    labels=["len(df.index)", "df.shape[0]", "df[df.columns[0]].count()"],
    xlabel="Number of rows",
)

Answer 2

假设df您的数据框是：

count_row = df.shape[0]  # Gives number of rows
count_col = df.shape[1]  # Gives number of columns

或者，更简洁地说，

r, c = df.shape

Answer 3

使用len(df):-)。

__len__()记录在“返回索引长度”中。

计时信息，设置方式与root 的回答相同：

In [7]: timeit len(df.index)
1000000 loops, best of 3: 248 ns per loop

In [8]: timeit len(df)
1000000 loops, best of 3: 573 ns per loop

由于多了一个函数调用，所以说它比len(df.index)直接调用慢一点当然是正确的。但这在大多数情况下应该无关紧要。我觉得len(df)可读性很强。

Answer 4

如何获取 Pandas DataFrame 的行数？

此表总结了您希望在 DataFrame（或 Series，为了完整性）中计算某些内容的不同情况，以及推荐的方法。

脚注

1. DataFrame.count将每列的计数作为 a 返回，Series因为非空计数因列而异。
2. DataFrameGroupBy.size返回 a Series，因为同一组中的所有列共享相同的行数。
3. DataFrameGroupBy.count返回 a DataFrame，因为同一组中的列之间的非空计数可能不同。要获取特定列的分组非空计数，请使用df.groupby(...)['x'].count()其中“x”是要计数的列。

---

最少的代码示例

下面，我展示了上表中描述的每种方法的示例。首先，设置 -

df = pd.DataFrame({
    'A': list('aabbc'), 'B': ['x', 'x', np.nan, 'x', np.nan]})
s = df['B'].copy()

df

   A    B
0  a    x
1  a    x
2  b  NaN
3  b    x
4  c  NaN

s

0      x
1      x
2    NaN
3      x
4    NaN
Name: B, dtype: object

DataFrame 的行数：len(df), df.shape[0], 或len(df.index)

len(df)
# 5

df.shape[0]
# 5

len(df.index)
# 5

比较恒定时间操作的性能似乎很愚蠢，尤其是当差异在“认真，别担心”的级别时。但这似乎是其他答案的趋势，所以为了完整性，我也在做同样的事情。

在上述三种方法中，len(df.index)（如其他答案中所述）是最快的。

笔记

• 上述所有方法都是常数时间操作，因为它们是简单的属性查找。
• df.shape（类似于ndarray.shape）是返回元组的属性(# Rows, # Cols)。例如，df.shape返回(8, 2)此处的示例。

DataFrame 的列数：df.shape[1],len(df.columns)

df.shape[1]
# 2

len(df.columns)
# 2

类似于len(df.index),len(df.columns)是这两种方法中较快的一种（但需要输入更多字符）。

系列的行数：len(s), s.size,len(s.index)

len(s)
# 5

s.size
# 5

len(s.index)
# 5

s.size并且len(s.index)在速度方面大致相同。但我推荐len(df)。

Note size是一个属性，它返回元素的数量（=任何系列的行数）。DataFrames 还定义了一个 size 属性，它返回与df.shape[0] * df.shape[1].

非空行数：DataFrame.count和Series.count

这里描述的方法只计算非空值（意味着 NaN 被忽略）。

调用将返回每列DataFrame.count的非 NaN 计数：

df.count()

A    5
B    3
dtype: int64

对于系列，使用Series.count类似的效果：

s.count()
# 3

分组行数：GroupBy.size

对于DataFrames，用于DataFrameGroupBy.size计算每组的行数。

df.groupby('A').size()

A
a    2
b    2
c    1
dtype: int64

同样，对于Series，您将使用SeriesGroupBy.size.

s.groupby(df.A).size()

A
a    2
b    2
c    1
Name: B, dtype: int64

在这两种情况下，Series都会返回 a。这也很有意义，DataFrames因为所有组共享相同的行数。

分组非空行数：GroupBy.count

与上面类似，但使用GroupBy.count，而不是GroupBy.size。请注意，size始终返回 a Series，而如果在特定列上调用，则count返回 a Series，否则返回 a DataFrame。

以下方法返回相同的内容：

df.groupby('A')['B'].size()
df.groupby('A').size()

A
a    2
b    2
c    1
Name: B, dtype: int64

同时，对于count，我们有

df.groupby('A').count()

   B
A
a  2
b  1
c  0

...调用整个 GroupBy 对象，与，

df.groupby('A')['B'].count()

A
a    2
b    1
c    0
Name: B, dtype: int64

在特定列上调用。

Answer 5

TL;DR使用len(df)

len()让您获取列表中的项目数。因此，要获取 DataFrame 的行数，只需使用len(df).

df.index或者，您可以分别使用和访问所有行和所有列df.columns。由于您可以使用len(anyList)获取元素编号，因此使用 len(df.index)将为您提供行数，并len(df.columns)提供列数。

或者，您可以使用df.shapewhich 返回行数和列数（作为元组）。如果要访问行数，请仅使用df.shape[0]. 对于列数，仅使用：df.shape[1]。

Answer 6

除了前面的答案，您可以使用df.axes获取具有行和列索引的元组，然后使用该len()函数：

total_rows = len(df.axes[0])
total_cols = len(df.axes[1])

Answer 7

...以Jan-Philip Gehrcke 的回答为基础。

len(df)orlen(df.index)比 快的原因df.shape[0]：

看代码。df.shape 是一个@property运行 DataFrame 方法调用len两次的方法。

df.shape??
Type:        property
String form: <property object at 0x1127b33c0>
Source:
# df.shape.fget
@property
def shape(self):
    """
    Return a tuple representing the dimensionality of the DataFrame.
    """
    return len(self.index), len(self.columns)

在 len(df) 的引擎盖下

df.__len__??
Signature: df.__len__()
Source:
    def __len__(self):
        """Returns length of info axis, but here we use the index """
        return len(self.index)
File:      ~/miniconda2/lib/python2.7/site-packages/pandas/core/frame.py
Type:      instancemethod

len(df.index)会比len(df)它少一个函数调用稍快，但这总是比df.shape[0]

Answer 8

我从R背景来到 Pandas ，我发现 Pandas 在选择行或列时更加复杂。

我不得不与它搏斗了一段时间，然后我找到了一些应对的方法：

获取列数：

len(df.columns)
## Here:
# df is your data.frame
# df.columns returns a string. It contains column's titles of the df.
# Then, "len()" gets the length of it.

获取行数：

len(df.index) # It's similar.

Answer 9

你也可以这样做：

假设df是您的数据框。然后df.shape给你你的数据框的形状，即(row,col)

因此，分配以下命令以获得所需的

 row = df.shape[0], col = df.shape[1]

Answer 10

如果您想在链接操作的中间获取行数，您可以使用：

df.pipe(len)

例子：

row_count = (
      pd.DataFrame(np.random.rand(3,4))
      .reset_index()
      .pipe(len)
)

如果您不想在len()函数中放置长语句，这将很有用。

你可以__len__()改用，但__len__()看起来有点奇怪。

Answer 11

对于数据帧 df，在探索数据时使用打印的逗号格式的行数：

def nrow(df):
    print("{:,}".format(df.shape[0]))

例子：

nrow(my_df)
12,456,789

Answer 12

任何一个都可以做到（df是DataFrame的名称）：

方法一：使用len功能：

len(df)将给出名为 的 DataFrame 中的行数df。

方法2：使用count功能：

df[col].count()将计算给定列中的行数col。

df.count()将给出所有列的行数。

Answer 13

找出数据框中行数的另一种方法是pandas.Index.size.

请注意，正如我评论接受的答案，

Suspectedpandas.Index.size实际上会比len(df.index)但timeit在我的计算机上告诉我的速度更快（每个循环慢约 150 ns）。

Answer 14

我不确定这是否可行（数据可以省略），但这可能可行：

*dataframe name*.tails(1)

然后使用它，您可以通过运行代码片段并查看提供给您的行号来找到行数。

Answer 15

想一想，数据集是“数据”并将您的数据集命名为“data_fr”，data_fr 中的行数是“nu_rows”

#import the data frame. Extention could be different as csv,xlsx or etc.
data_fr = pd.read_csv('data.csv')

#print the number of rows
nu_rows = data_fr.shape[0]
print(nu_rows)