Pandas DataFrame 열 수 계산
-
column속성을 사용하여 PandasDataFrame의 열 수 계산 -
shape속성을 사용하여 PandasDataFrame의 열 수 계산 -
Typecasting을 사용하여 Pandas
DataFrame의 열 수 계산 -
dataframe.info()메소드를 사용하여 PandasDataFrame의 열 수 계산
pandas DataFrame에서 데이터는 행 및 열과 같은 표 형식으로 저장되거나 표시됩니다. Pandas는 다양한 접근 방식을 사용하여 DataFrame의 행과 열 수를 검색하거나 계산하는 데 도움이 됩니다.
이 튜토리얼에서는 Pandas DataFrame의 열 수를 계산하는 것과 관련된 다양한 방법을 탐색합니다.
column 속성을 사용하여 Pandas DataFrame의 열 수 계산
팬더 DataFrame의 column 속성을 사용하여 열 목록을 검색하고 열 길이를 계산하고 DataFrame의 열 수를 계산할 수 있습니다.
다음 예를 참조하십시오. 먼저 제품의 데이터프레임을 만들었습니다. column_list = dataframe.columns를 사용하여 열 목록을 검색한 다음 len(column_list)을 사용하여 열 수를 계산했습니다.
예제 코드:
import pandas as pd
import numpy as np
from IPython.display import display
# creating a DataFrame
dict = {
"Products": ["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
"Price dollar": [350, 300, 400, 250],
"Percentage Sale": [83, 99, 84, 76],
}
dataframe = pd.DataFrame(dict)
# displaying the DataFrame
display(dataframe)
# To get the list of columns of dataframe
column_list = dataframe.columns
# Printing Number of columns
print("Number of columns:", len(column_list))
출력:
shape 속성을 사용하여 Pandas DataFrame의 열 수 계산
shape 속성을 사용할 때 DataFrame 모양을 나타내는 튜플을 검색합니다. 다음 예에서 shape=dataframe.shape 행은 DataFrame 모양을 반환하고 shape[1]은 열 수를 계산합니다.
예제 코드:
import pandas as pd
import numpy as np
from IPython.display import display
# creating a DataFrame
dict = {
"Products": ["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
"Price dollar": [350, 300, 400, 250],
"Percentage Sale": [83, 99, 84, 76],
"quantity": [10, 16, 90, 100],
}
dataframe = pd.DataFrame(dict)
# displaying the DataFrame
display(dataframe)
# Get shape of the dataframe
shape = dataframe.shape
# Printing Number of columns
print("Number of columns :", shape[1])
출력:
위의 출력에서 볼 수 있듯이 위의 예에서 4인 총 열 수를 표시합니다.
Typecasting을 사용하여 Pandas DataFrame의 열 수 계산
우리는 이 방법에서 열 속성과 거의 유사한 typecasting 접근 방식을 사용합니다. DataFrame 목록에 typecasting을 사용하면 열 이름 목록을 검색합니다. typecasting 접근 방식에 대한 자세한 내용은 다음 예를 참조하세요.
예제 코드:
import pandas as pd
import numpy as np
from IPython.display import display
# creating a DataFrame
dict = {
"Products": ["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
"Price dollar": [350, 300, 400, 250],
"Percentage Sale": [83, 99, 84, 76],
"quantity": [10, 16, 90, 100],
}
dataframe = pd.DataFrame(dict)
# displaying the DataFrame
display(dataframe)
# Typecasting dataframe to list
dataframe_list = list(dataframe)
# Printing Number of columns
print("Number of columns :", len(dataframe_list))
출력:
dataframe.info() 메소드를 사용하여 Pandas DataFrame의 열 수 계산
info() 메소드를 사용하여 팬더 DataFrame의 완전한 요약 요약을 인쇄할 수 있습니다. 다음 예제에서는 소스 코드 끝에 dataframe.info()를 사용했습니다. DataFrame 클래스, dtypes, 메모리 사용량, 열 개수 및 범위 인덱스와 관련된 정보를 표시합니다.
예제 코드:
import pandas as pd
import numpy as np
from IPython.display import display
# creating a DataFrame
dict = {
"Products": ["Intel Dell Laptops", "HP Laptops", "Lenavo Laptops", "Acer Laptops"],
"Price dollar": [350, 300, 400, 250],
"Percentage Sale": [83, 99, 84, 76],
"quantity": [10, 16, 90, 100],
}
dataframe = pd.DataFrame(dict)
# displaying the DataFrame
display(dataframe)
# Print dataframe information using info() method
dataframe.info()
출력:
위 이미지에서 열 수를 포함하여 DataFrame의 간결한 요약을 볼 수 있습니다.