计算 Pandas 数据框的行数和列数

当我们使用 Pandas 读取数据后，第一件需要做的就是查看数据框的大小，即行数和列数。在 Pandas 中，有多种方式可以获取数据框的大小。

方法一：shape 属性

Pandas 数据框的 shape 属性可以返回一个元组，包含行数和列数。例如：

import pandas as pd

df = pd.read_csv('data.csv')
print(df.shape) # 输出(1000, 5)

以上代码中，shape 属性返回的是一个元组 (1000, 5)，表示数据框有 1000 行，5 列。

方法二：len 函数

我们可以通过 len 函数获取 Pandas 数据框的行数。例如：

import pandas as pd

df = pd.read_csv('data.csv')
print(len(df)) # 输出1000

以上代码中，len 函数返回的是数据框的行数，结果为 1000。

方法三：index 属性和 shape 属性

Pandas 数据框的 index 属性是一个索引对象，其中包含所有行的标签。我们可以使用 index 的 size 属性获取到行数。例如：

import pandas as pd

df = pd.read_csv('data.csv')
print(df.index.size) # 输出1000

以上代码中，使用 index 的 size 属性获取到了数据框的行数，结果为 1000。我们也可以通过 index 和 shape 的属性进行计算，例如：

import pandas as pd

df = pd.read_csv('data.csv')
print(df.index.shape[0], df.shape[1]) # 输出1000, 5

以上代码中，通过 index 的 shape 和 shape 属性分别获取到行数和列数，结果为 (1000, 5)。

总之，以上三种方法都可以用来获取 Pandas 数据框的行数和列数。如果只是想获取行数，使用 len 函数可能是最简单的方法，如果同时需要获取行数和列数，使用 shape 属性可能更加直观。