Saltar al contenido principal

Encontrar el tamaño de un marco de datos en Python

Hay varias formas de averiguar el tamaño de un DataFrame en Python para adaptarse a distintas necesidades de codificación. Consulta este tutorial para aprender rápidamente a determinar el tamaño de un Marco de datos. Este tutorial presenta varias formas de comprobar el tamaño de un Marco de datos, así que seguro que encuentras una que se adapte a tus necesidades.
Actualizado 16 ene 2025  · 5 min de lectura

Los DataFrames son un tipo de datos muy utilizado en los scripts de Python. Comprender el tamaño de un DataFrame en Python es crucial para muchos propósitos, como determinar cuánta asignación de memoria será necesaria al utilizar el DataFrame y asegurarte de que tu script no intenta llamar a un elemento fuera de los límites del DataFrame. Afortunadamente, hay varias formas de averiguar el tamaño de un DataFrame en Python, lo que permite a un programador de Python utilizar diferentes métodos para adaptarse a diferentes estilos de codificación y situaciones.

Vamos a ver cómo averiguar el tamaño de un DataFrame en Python.

Comprender los DataFrames de Python

Los DataFrames son una forma de organizar la información en Python muy común en la ciencia de datos. Hay unos cuantos componentes clave que hacen que los DataFrames sean excepcionalmente útiles en los proyectos de datos.

En primer lugar, la información de los DataFrames está organizada como una tabla, que es fácil de leer y comprender. En segundo lugar, la información es mutable, lo que significa que los elementos del DataFrame pueden modificarse después de su creación. Puedes añadir fácilmente nuevos elementos o actualizar o eliminar elementos existentes dentro de un Marco de datos.

Los DataFrames también son útiles por su ordenación. Los elementos se mantienen en el Marco de datos en el mismo orden en que se añaden, a menos que se modifiquen explícitamente, por ejemplo, ordenándolos.

Por último, los DataFrames contienen un índice, a partir de 0, que te permite seleccionar un elemento individual en función de su posición dentro del DataFrame.

Puedes aprender más sobre los DataFrames en el curso de manipulación de datos con pandas de DataCamp o en este tutorial sobre pandas en Python.

Python Tamaño del marco de datos: Uso general de df.shape en Pandas

Python pandas es una biblioteca que permite a los analistas trabajar fácilmente con DataFrames. Esta biblioteca tiene un método de forma directa que se utiliza para encontrar el tamaño de un DataFrame.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using shape to get the size
rows, columns = df.shape
print(f"Number of rows: {rows}, Number of columns: {columns}")
Output: Number of rows: 3, Number of columns: 3

El método df.shape proporciona información sobre el número de filas y columnas de un DataFrame de forma rápida y sencilla.

Clave: df.shape es tu función de referencia para averiguar el tamaño de un Marco de Datos.

Utilizar len() sólo para el número de fila

La función incorporada len(), uno de los métodos más sencillos y utilizados para averiguar la longitud de una lista, también puede utilizarse para averiguar el número de filas de un DataFrame. Este método es conciso y eficaz. Sin embargo, proporciona una información limitada en comparación con la función df.shape.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using len to get the number of rows
num_rows = len(df)
print(f"Number of rows: {num_rows}")
Output: Number of rows: 3

Cuando se trata de comprobar la longitud de una lista en Python, len() se utiliza muy poco en comparación con df.shape. Sin embargo, puede ser una forma rápida de examinar el número de filas de un DataFrame sin la biblioteca pandas.

Conclusión clave: len() es una función integrada que se puede utilizar como alternativa a pandas.

df.info() para obtener información más detallada

Para situaciones en las que se requiere una medida más detallada del tamaño, prueba el método df.info() de pandas. Este método te proporciona el número de filas y columnas del Marco de datos, así como información sobre el tipo de datos de cada columna y el número de valores nulos.

import pandas as pd

# Creating a sample DataFrame
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie'],
                   'Age': [25, 30, 22],
                   'City': ['New York', 'San Francisco', 'Los Angeles']})

# Using info to get information about the DataFrame
df.info()
Output: 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   Name    3 non-null      object
 1   Age     3 non-null      int64 
 2   City    3 non-null      object

dtypes: int64(1), object(2)
memory usage: 204.0+ bytes

Con este método, el número de filas aparece en RangeIndex. En el ejemplo anterior, muestra que hay tres filas (llamadas entradas aquí) y que el índice empieza en 0 y acaba en 2. El número de columnas aparece debajo. A continuación, se indica el nombre de cada columna, el número de entradas no nulas de cada columna y su tipo de datos.

Idea clave: df.info() puede proporcionar información más detallada sobre un DataFrame.

Prácticas recomendadas y consejos de Python sobre el tamaño del marco de datos

Al averiguar el tamaño de un DataFrame en Python, hay que tener en cuenta algunas buenas prácticas.

  1. Elige el método que mejor se adapte a tu DataFrame. Recuerda que df.shape da rápidamente el número de filas y columnas, mientras que df.info da información extra que puedes necesitar o no para tu propósito.
  2. Asegúrate de haber instalado e importado las bibliotecas que necesites. La biblioteca pandas es un elemento básico cuando se trabaja con DataFrames.
  3. Documenta bien tu trabajo. Asegúrate de utilizar comentarios descriptivos para que los futuros codificadores puedan descifrar lo que hiciste y por qué.

Conclusión

Hay varias formas de averiguar el tamaño de un DataFrame en Python, según tus preferencias y requisitos de código. Tanto si necesitas simplicidad como información detallada, hay un enfoque que se adapta a tus necesidades específicas.

Ten siempre en cuenta la naturaleza de tus datos y la información que pretendes obtener a la hora de determinar qué enfoque utilizar. Para aprender más formas de utilizar los DataFrames de Python, consulta el curso Introducción a Python de DataCamp o el curso Python Intermedio para Finanzas. O prueba la carrera de científico de datos en Python de DataCamp.

También puedes echar un vistazo a polars, un nuevo competidor de pandas para el análisis de alto rendimiento de DataFrame. Puedes leer más sobre la diferencia entre pandas y polares o descubrir una introducción al uso de los polares.


Amberle McKee's photo
Author
Amberle McKee
LinkedIn

Soy doctor con 13 años de experiencia trabajando con datos en un entorno de investigación biológica. Creo software en varios lenguajes de programación, como Python, MATLAB y R. Me apasiona compartir mi amor por el aprendizaje con el mundo.

Temas

¡Sigue aprendiendo Python! 

programa

Python Data Fundamentals

30hrs hr
Grow your data skills, discover how to manipulate and visualize data, and apply advanced analytics to make data-driven decisions.
Ver detallesRight Arrow
Comienza el curso
Ver másRight Arrow
Relacionado

tutorial

Tutorial de Pandas: DataFrames en Python

Explora el análisis de datos con Python. Los DataFrames de Pandas facilitan la manipulación de tus datos, desde la selección o sustitución de columnas e índices hasta la remodelación de tus datos.
Karlijn Willems's photo

Karlijn Willems

20 min

tutorial

Tutorial seleccionar columnas con Python

Utiliza Python Pandas y selecciona columnas de los DataFrames. ¡Sigue nuestro tutorial con ejemplos de código y aprende hoy mismo distintas formas de seleccionar tus datos!
DataCamp Team's photo

DataCamp Team

7 min

tutorial

Tutorial de visualización de datos con Python y Tableau

Aprende a utilizar Python para ampliar las funciones de visualización de datos de Tableau.
Abid Ali Awan's photo

Abid Ali Awan

15 min

tutorial

Tutorial de unión de DataFrames en pandas

En este tutorial, usted aprenderá varias maneras en las que múltiples DataFrames pueden ser fusionados en python usando la librería Pandas.
DataCamp Team's photo

DataCamp Team

19 min

tutorial

Tutorial de funciones de Python

Un tutorial sobre funciones en Python que cubre cómo escribir funciones, cómo invocarlas y mucho más.
Karlijn Willems's photo

Karlijn Willems

14 min

tutorial

Matrices en Python

Matrices en Python con ejemplos de código. Aprende a crear e imprimir matrices con Python NumPy hoy mismo.
DataCamp Team's photo

DataCamp Team

3 min

Ver másVer más