下面总结了您希望在 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。
DataFrame.count
将每列的计数作为系列返回,因为非空计数因列而异。
DataFrameGroupBy.size
返回一个系列,因为同一组中的所有列共享相同的行数。
DataFrameGroupBy.count
返回一个 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。
#代码示例
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
Row Count of a DataFrame: len(df), df.shape[0], or len(df.index)
len(df)
# 5
df.shape[0]
# 5
len(df.index)
# 5
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)是一个属性,它返回一个元组(#Rows,#Cols)。
DataFrame 的列数:df.shape[1], len(df.columns)
df.shape[1]
# 2
len(df.columns)
# 2
与 len(df.index) 类似,len(df.columns) 是这两种方法中速度更快的方法(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 和 len(s.index) 在速度方面大致相同。但我推荐 len(df)。
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,它返回相同的结果
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 DataFrame.count 将为每一列返回非 NaN 计数:
df.count()
A 5
B 3
dtype: int64
For Series, use Series.count to similar effect:
s.count()
# 3
Group-wise Row Count: GroupBy.size 对于 DataFrames,使用 DataFrameGroupBy.size 来计算每组的行数。
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,都会返回一个 Series。
Group-wise Non-Null Row Count: GroupBy.count 与上面类似,但使用 GroupBy.count,而不是 GroupBy.size。请注意,size 总是返回一个系列,而 count 如果在特定列上调用,则返回一个系列,否则返回一个 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
df.groupby('A').count()
B
A
a 2
b 1
c 0
df.groupby('A')['B'].count()
A
a 2
b 1
c 0
Name: B, dtype: int64