De grootte van een DataFrame in Python bepalen

DataFrames zijn een veelgebruikt datatype in Python-scripts. Inzicht in de grootte van een DataFrame in Python is cruciaal voor veel doeleinden, zoals bepalen hoeveel geheugen je moet reserveren bij gebruik van het DataFrame en ervoor zorgen dat je script niet probeert een element buiten de grenzen van het DataFrame aan te roepen. Gelukkig zijn er verschillende manieren om de grootte van een DataFrame in Python te bepalen, zodat een Python-programmeur verschillende methoden kan gebruiken die passen bij verschillende coderingsstijlen en situaties.

Laten we bespreken hoe je de grootte van een DataFrame in Python kunt bepalen.

Python DataFrames begrijpen

DataFrames zijn een manier om informatie in Python te organiseren die in data science heel gebruikelijk is. Er zijn een paar kernonderdelen die DataFrames bijzonder nuttig maken in dataprojecten.

Ten eerste is de informatie in DataFrames georganiseerd als een tabel, wat makkelijk te lezen en te begrijpen is. Ten tweede is de informatie muteerbaar, wat betekent dat elementen in het DataFrame na het aanmaken kunnen worden gewijzigd. Je kunt eenvoudig nieuwe elementen toevoegen of bestaande elementen in een DataFrame bijwerken of verwijderen.

DataFrames zijn ook nuttig vanwege hun ordening. Elementen blijven in het DataFrame in dezelfde volgorde als waarin ze zijn toegevoegd, tenzij dit expliciet wordt gewijzigd, bijvoorbeeld door te sorteren.

Tot slot bevatten DataFrames een index, die begint bij 0, waarmee je een individueel element kunt selecteren op basis van zijn positie binnen het DataFrame.

Je kunt meer leren over DataFrames in DataCamp’s cursus data-manipulation met pandas of in deze Python pandas-tutorial.

Grootte van een Python DataFrame: df.shape gebruiken in pandas voor algemeen gebruik

Python pandas is een bibliotheek waarmee analisten eenvoudig met DataFrames kunnen werken. Deze bibliotheek heeft een eenvoudige shape-methode die wordt gebruikt om de grootte van een DataFrame te bepalen.

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

De methode df.shape geeft snel en eenvoudig informatie over het aantal rijen en kolommen in een DataFrame.

Belangrijkste punt: df.shape is je standaardfunctie om de grootte van een DataFrame te bepalen.

len() gebruiken voor alleen het aantal rijen

Een van de eenvoudigste en meest gebruikte methoden om de lengte van een lijst te vinden, is de ingebouwde functie len(). Die kun je ook gebruiken om het aantal rijen in een DataFrame te bepalen. Deze methode is beknopt en efficiënt. Ze geeft echter minder informatie dan de functie 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

Als het gaat om het controleren van de lengte van een lijst in Python, wordt len() zelden gebruikt in vergelijking met df.shape. Toch kan het een snelle manier zijn om het aantal rijen in een DataFrame te bekijken zonder de pandas-bibliotheek.

Belangrijkste punt: len() is een ingebouwde functie die je als alternatief voor pandas kunt gebruiken.

df.info() voor meer gedetailleerde informatie

Voor situaties waarin een meer gedetailleerde maat voor de grootte nodig is, probeer je de pandas-methode df.info(). Deze aanpak geeft je het aantal rijen en kolommen in het DataFrame, evenals informatie over het datatype in elke kolom en het aantal null-waarden.

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

Met deze methode staat het aantal rijen onder RangeIndex. In het bovenstaande voorbeeld zie je dat er drie rijen zijn (hier entries genoemd) en dat de index begint bij 0 en eindigt bij 2. Het aantal kolommen staat eronder. Vervolgens wordt de naam van elke kolom vermeld, samen met het aantal non-null entries in elke kolom en het datatype.

Belangrijkste punt: df.info() kan meer gedetailleerde informatie over een DataFrame geven.

Best practices en tips voor de grootte van een Python DataFrame

Houd bij het bepalen van de grootte van een DataFrame in Python een paar best practices in gedachten.

1. Kies de methode die het beste werkt voor jouw DataFrame. Onthoud: df.shape geeft snel het aantal rijen en kolommen, terwijl df.info extra informatie geeft die je mogelijk wel of niet nodig hebt voor jouw doel.
2. Zorg dat je alle benodigde bibliotheken hebt geïnstalleerd en geïmporteerd. De pandas-bibliotheek is onmisbaar wanneer je met DataFrames werkt.
3. Documenteer je werk goed. Gebruik duidelijke commentaarregels zodat toekomstige coders kunnen achterhalen wat je hebt gedaan en waarom.

Conclusie

Er zijn meerdere manieren om de grootte van een DataFrame in Python te bepalen, afhankelijk van je voorkeuren en codevereisten. Of je nu eenvoud of gedetailleerde inzichten nodig hebt, er is een aanpak die bij jouw specifieke behoeften past.

Houd altijd rekening met de aard van je data en de inzichten die je wilt verkrijgen wanneer je bepaalt welke aanpak je gebruikt. Wil je meer manieren leren om Python DataFrames te gebruiken? Bekijk dan DataCamp’s cursus Inleiding tot Python of de Intermediate Python for Finance-cursus. Of probeer de DataCamp-carrièretrack data scientist in Python.

Je kunt ook polars bekijken, een nieuwere concurrent van pandas voor high-performance DataFrame-analyse. Lees meer over het verschil tussen pandas en polars of ontdek een introductie tot het gebruik van polars.