在 Python 中获取 DataFrame 的尺寸

DataFrame 是 Python 脚本中广泛使用的数据类型。了解 Python 中 DataFrame 的尺寸对许多目的都至关重要，包括在使用 DataFrame 时确定所需的内存分配，以及确保您的脚本不会尝试调用超出 DataFrame 边界的元素。幸运的是，在 Python 中有多种方法可以获取 DataFrame 的尺寸，使Python 程序员能够根据不同的编码风格和情境选择合适的方法。

下面来讨论如何在 Python 中查找 DataFrame 的尺寸。

理解 Python DataFrame

DataFrame 是在 Python 中组织信息的一种方式，在数据科学中非常常见。有几个关键组成部分使得 DataFrame 在数据项目中格外有用。

首先，DataFrame 中的信息按表格形式组织，易于阅读和理解。其次，数据是可变的，这意味着 DataFrame 创建后其中的元素仍可修改。您可以轻松地在 DataFrame 中新增元素，或更新、删除现有元素。

DataFrame 还因其有序性而实用。元素会按照添加时的顺序保留在 DataFrame 中，除非显式更改，例如通过排序。

最后，DataFrame 包含一个从 0 开始的索引，使您可以根据元素在 DataFrame 中的位置来选取单个元素。

您可以在 DataCamp 的 pandas 数据操作课程或这篇Python pandas 教程中进一步了解 DataFrame。

Python DataFrame 尺寸：在 pandas 中使用 df.shape 的通用方法

Python 的 pandas 是一个让分析人员轻松操作 DataFrame 的库。该库提供了一个直观的 shape 方法来获取 DataFrame 的尺寸。

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}")技术支持

Output: Number of rows: 3, Number of columns: 3技术支持

df.shape 方法可以快速、轻松地提供 DataFrame 的行数和列数信息。

要点：df.shape 是查找 DataFrame 尺寸的首选函数。

仅获取行数时使用 len()

内置的 len() 函数是查找列表长度最简单、最常用的方法之一，也可用于获取 DataFrame 的行数。该方法简明高效，但与 df.shape 相比，提供的信息较为有限。

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}")技术支持

Output: Number of rows: 3技术支持

在检查 Python 列表长度时，len() 与 df.shape 相比并不常用。然而，如果不使用 pandas 库，它可以作为快速查看 DataFrame 行数的方式。

要点：len() 是可替代 pandas 的内置函数。

df.info() 获取更详细的信息

在需要更详细的尺寸度量时，可以尝试 pandas 的 df.info() 方法。该方法不仅会给出 DataFrame 的行数和列数，还会提供每一列的数据类型以及空值数量等信息。

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()技术支持

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技术支持

使用该方法时，行数会在 RangeIndex 下列出。在上面的示例中，它显示有三行（此处称为 entries），索引从 0 开始到 2 结束。列数紧随其后列出。之后，会列出每一列的名称、各列的非空条目数量以及其数据类型。

要点：df.info() 可提供关于 DataFrame 的更详细信息。

Python DataFrame 尺寸的最佳实践与提示

在 Python 中查找 DataFrame 的尺寸时，请牢记以下一些最佳实践。

1. 选择最适合您 DataFrame 的方法。请记住，df.shape 可以快速给出行数和列数，而 df.info 会提供额外信息，您可能需要也可能不需要。
2. 确保已安装并导入所需的任何库。pandas 库是在处理 DataFrame 时的常用工具。
3. 做好文档记录。请使用具有描述性的注释，方便后续的开发者理解您的操作及其原因。

结论

在 Python 中，有多种方法可以获取 DataFrame 的尺寸，具体取决于您的偏好和代码需求。无论您追求简洁还是更详细的洞察，都能找到适合您需求的方法。

在确定使用哪种方法时，请始终考虑您的数据特性以及您希望获得的洞察。要了解更多使用 Python DataFrame 的方法，请查看 DataCamp 的Python 入门课程或中级 Python（金融方向）课程。也可以尝试 DataCamp 的 Python 数据科学家职业路径。

您也可以了解 polars，这是一款用于高性能 DataFrame 分析、可与 pandas 竞争的较新工具。您可以阅读pandas 与 polars 的差异，或查看polars 入门介绍。