HOWTO · Pandas

如何获取 Pandas DataFrame 的行数

本教程介绍如何使用 Pandas DataFrame 的 shape、len() 和索引获取行数,区分行数与列数,并统计满足条件的行数。

本页内容

要获取 Pandas DataFrame 的行数,可以使用 df.shape[0] 或 len(df)。shape 属性会返回两个维度:第一个值是行数,第二个值是列数。若只统计满足条件的行数,可以对布尔掩码求和。

使用 DataFrame.shape 获取行数和列数

DataFrame.shape 是一个属性,返回顺序为 (rows, columns) 的元组。取索引 0 可获得行数,取索引 1 可获得列数。当你需要查看两个维度,或想直接获取行数而不统计某一列中的值时,这种方式很有用。

下面的示例会创建一个小型 DataFrame,并打印两个维度。示例输出中的标签保持英文:

import pandas as pd

data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "Los Angeles", "Chicago"],
}
df = pd.DataFrame(data)

print("Rows:", df.shape[0])
print("Columns:", df.shape[1])

如果只需要行数,应使用 df.shape[0]。不要用 df.shape[1] 来完成这项任务,因为它返回的是列数;如果表格恰好有三行和三列,这两个数看起来就会相同。

使用 len() 或索引获取行数

Python 内置函数 len() 接收 DataFrame 后会返回其行数:len(df)。如果只需要行数,这种写法简洁明了。len(df.index) 通过测量 DataFrame 的行索引得到相同的结果,而 len(df.axes[0]) 则获取行轴的长度。对于列数,len(df.axes[1]) 与 df.shape[1] 对应。

这些写法统计的是行数,不受索引标签影响;它们不会统计某一列中的非缺失值。若要统计不含缺失值的行,先用 df.dropna() 筛选数据,再使用 len(df.dropna())。默认情况下,dropna() 会删除任意列中含有缺失值的行;传入 subset=["Age"] 则只检查指定列。

无需在 DataFrame 上调用 .len():len() 是 Python 函数,因此应写作 len(df),而不是 df.len() 或 .len(df.index)。计数时,请对要测量的那个 DataFrame 使用相应表达式,例如筛选后的 DataFrame。

统计符合条件的行数

先根据列的比较结果创建布尔掩码,再对掩码调用 .sum()。在布尔 Series 中,每个 True 计为 1,每个 False 计为 0,因此求和结果就是符合条件的行数。这种向量化方法适用于单个比较,也可以扩展到多个条件。

import pandas as pd

df = pd.DataFrame({"Name": ["Alice", "Bob", "Charlie"], "Age": [25, 30, 35]})
is_over_28 = df["Age"] > 28
matching_rows = is_over_28.sum()
print(matching_rows)

需要进行多个比较时,先将每个比较表达式括在括号中,再用 & 表示 AND,或用 | 表示 OR。例如,(df["Age"] > 28) & (df["Age"] < 35) 会筛选年龄同时满足两个界限的行;对结果掩码求和即可得到行数。不要在整个 Pandas Series 之间使用 Python 的 and 或 or。

若要统计不同的行,应先删除重复项再计数:len(df.drop_duplicates())。这与统计所有行不同,因为调用 drop_duplicates() 后,重复记录只会计入一次。请根据需要统计全部行、符合筛选条件的行,还是不同记录,选择相应表达式。