取得dataframe的行数

在pandas库中，获取DataFrame的行数非常简单，可以使用`.shape`属性或者`len`函数。这里有两个常用的方法：

1. **使用.shape**:

   df_rows_count = df.shape[0]

这里`.shape`会返回一个元组，表示行数和列数，取第一个元素就是行数。

2. **使用.len**:

   df_rows_count = len(df)

这直接计算了DataFrame对象中元素的数量，对于DataFrame来说，这等于行数。

例如：

import pandas as pd
df = pd.DataFrame({"Name": ["Alice", "Bob", "Charlie"], "Age": [25, 30, 35]})

# 使用shape
row_count = df.shape[0]

# 或者使用len
row_count = len(df)

print("DataFrame的行数:", row_count)

这两种方法都会返回DataFrame的总行数。

相关问题

DataFrame取出某几行

### 使用 `loc` 和 `iloc` 进行多行选择

为了从 Pandas DataFrame 中选取指定的多行数据，主要依赖于两种方法：`loc` 和 `iloc`。

#### 利用 `loc` 通过标签选取多行
当已知要获取的具体行标签时，可以使用 `loc` 来实现。例如：

import pandas as pd

df = pd.DataFrame({
    'team': ['Red', 'Blue', 'Green'],
}, index=['A1', 'B2', 'C3'])

selected_rows = df.loc[['A1', 'C3']]
print(selected_rows)

此代码片段展示了如何基于给定的索引标签列表来挑选对应的行[^1]。

#### 应用布尔掩码进行复杂条件下的多行选择
对于更复杂的条件判断，比如想要选出所有满足某些特定条件的行，则可以通过创建一个布尔数组来进行过滤操作：

mask = (df['team'] == 'Red') | (df['team'].str.contains('Bl'))
filtered_df = df[mask]
print(filtered_df)

这里定义了一个逻辑表达式的组合用于构建布尔向量，并将其应用于整个 DataFrame 实现筛选目的[^3]。

#### 结合位置参数利用 `iloc` 定位并提取多行
如果偏好按照数值型的位置而非名称来定位所需行数的话，那么应该考虑采用 `iloc` 函数。下面的例子说明了怎样依据整数位置取得连续或不连续的若干行记录：

continuous_rows = df.iloc[0:2]  # 获取前两行
discrete_rows = df.iloc[[0, 2]]  # 取得第零行和第二行
print(continuous_rows)
print(discrete_rows)

上述例子分别演示了切片方式以及提供具体下标的技巧来完成对目标行的选择过程[^5]。

取dataframe的一行

可以使用 `loc` 或 `iloc` 方法来取得 DataFrame 的一行数据。其中，`loc` 方法根据行标签（index）进行索引，而 `iloc` 方法则根据行数进行索引。

举个例子，假设有如下的 DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}, index=['X', 'Y', 'Z'])
print(df)
# Output:
#    A  B
# X  1  a
# Y  2  b
# Z  3  c

要取得行标签为 `'Y'` 的行，可以使用 `loc` 方法：

row = df.loc['Y']
print(row)
# Output:
# A    2
# B    b
# Name: Y, dtype: object

要取得第 2 行的数据，可以使用 `iloc` 方法：

row = df.iloc[1]
print(row)
# Output:
# A    2
# B    b
# Name: Y, dtype: object

注意，`loc` 方法中传入的是行标签的值，而 `iloc` 方法中传入的是行数的值。另外，返回的结果是一个 Series 类型的数据，其中包含了该行的所有列的数据。