如何查看数据的行数python

查看数据的行数可以使用len()函数、shape属性、count()方法。其中，shape属性是最常用的方法，因为它不仅可以获取行数，还可以获取列数。len()函数虽然简单，但只适用于DataFrame对象。count()方法则返回每列的非NaN值数量，因此在查看行数时可能不太精确。下面将详细介绍shape属性的使用方法。

使用shape属性可以非常方便地获取数据的行数和列数。假设你有一个名为df的DataFrame对象，你可以通过以下代码获取行数和列数：

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取行数和列数
rows, columns = df.shape
print(f"行数: {rows}")
print(f"列数: {columns}")

在这个示例中，df.shape返回一个元组，其中第一个元素是行数，第二个元素是列数。通过这种方式，你可以非常直观地获取数据的行数和列数。

一、使用len()函数

使用len()函数可以快速获取DataFrame的行数。len()函数适用于DataFrame对象，返回DataFrame的行数。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取行数
rows = len(df)
print(f"行数: {rows}")

在这个示例中，len(df)返回DataFrame的行数。这个方法简单快捷，适合快速查看行数。

二、使用shape属性

shape属性是查看DataFrame行数和列数最常用的方法。它不仅可以获取行数，还可以获取列数。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取行数和列数
rows, columns = df.shape
print(f"行数: {rows}")
print(f"列数: {columns}")

在这个示例中，df.shape返回一个元组，其中第一个元素是行数，第二个元素是列数。通过这种方式，你可以非常直观地获取数据的行数和列数。

三、使用count()方法

count()方法返回每列的非NaN值数量，因此在查看行数时可能不太精确。如果数据中没有NaN值，count()方法返回的每列的非NaN值数量应该和DataFrame的行数相同。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取每列的非NaN值数量
non_nan_counts = df.count()
print(f"每列的非NaN值数量: \n{non_nan_counts}")

在这个示例中，df.count()返回一个Series对象，其中包含每列的非NaN值数量。如果数据中没有NaN值，每列的非NaN值数量和DataFrame的行数相同。

四、使用info()方法

info()方法可以获取DataFrame的基本信息，包括行数、列数、每列的数据类型和非NaN值数量。虽然info()方法不直接返回行数，但它提供了一个全面的概览。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取DataFrame的基本信息
df.info()

在这个示例中，df.info()打印DataFrame的基本信息，包括行数、列数、每列的数据类型和非NaN值数量。通过这种方式，你可以全面了解DataFrame的结构和内容。

五、使用index属性

index属性可以获取DataFrame的行索引。通过获取行索引的长度，可以确定DataFrame的行数。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
获取行索引的长度
rows = len(df.index)
print(f"行数: {rows}")

在这个示例中，len(df.index)返回行索引的长度，即DataFrame的行数。这个方法适用于需要获取行索引的情况，同时也能确定行数。

六、使用iterrows()方法

iterrows()方法返回一个迭代器，迭代器生成(DataFrame的行索引, 行数据)对。通过迭代iterrows()的结果，可以计算DataFrame的行数。

import pandas as pd
创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [24, 27, 22, 32],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
计算行数
rows = sum(1 for _ in df.iterrows())
print(f"行数: {rows}")

在这个示例中，通过迭代df.iterrows()的结果，计算DataFrame的行数。这个方法适用于需要逐行处理DataFrame的情况，同时也可以确定行数。

七、总结

查看数据的行数在数据分析和处理过程中是一个基础且重要的步骤。使用不同的方法可以根据不同的需求来获取行数。len()函数、shape属性、count()方法、info()方法、index属性、iterrows()方法等都是常用的方法。选择合适的方法可以提高工作效率，确保数据处理的准确性。通过本文的介绍，希望你能够熟练掌握这些方法，并在实际工作中灵活运用。