pandas查看维度

以下是使用pandas查看维度的方法：

1. 使用shape属性查看维度：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(12).reshape(4,3), index=list("abcd"), columns=['w','y','z'])
print(df.shape) # 输出：(4, 3)

2. 使用len()函数查看行数：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(12).reshape(4,3), index=list("abcd"), columns=['w','y','z'])
print(len(df)) # 输出：4

3. 使用len()函数查看列数：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(12).reshape(4,3), index=list("abcd"), columns=['w','y','z'])
print(len(df.columns)) # 输出：3

相关问题

pandas 数据维度

pandas是一个开源的数据分析和数据处理库，它提供了丰富的数据结构和函数，可以方便地进行数据操作和分析。在pandas中，数据的维度主要有两个方面：行和列。

1. 行维度：行维度指的是数据的观测单位或样本数量。在pandas中，行维度通常对应于DataFrame中的索引，每一行代表一个观测值或样本。

2. 列维度：列维度指的是数据的特征或变量数量。在pandas中，列维度对应于DataFrame中的列名，每一列代表一个特征或变量。

通过这两个维度，pandas可以方便地对数据进行筛选、切片、聚合、合并等操作，以满足不同的数据分析需求。

pandas查看空值

你可以使用 `isnull()` 函数来查看 Pandas 数据框中的空值。下面是一个例子：

import pandas as pd

# 创建一个包含空值的数据框
df = pd.DataFrame({'A': [1, 2, None], 'B': ['a', None, 'c']})
print(df)

# 查看哪些值是空值
print(df.isnull())

输出结果如下：

     A     B
0  1.0     a
1  2.0  None
2  NaN     c

       A      B
0  False  False
1  False   True
2   True  False

你可以看到，`isnull()` 函数返回的是一个与原始数据框维度相同的布尔值数据框，其中空值对应的位置为 True，非空值对应的位置为 False。