python pandas 获取行数

要获取 pandas 数据框（DataFrame）的行数，可以使用 shape 属性。具体代码如下：

import pandas as pd

# 创建一个示例数据框
data = {'Column1': [1, 2, 3, 4, 5],
        'Column2': ['A', 'B', 'C', 'D', 'E']}
df = pd.DataFrame(data)

# 获取行数
num_rows = df.shape[0]
print("行数：", num_rows)

运行以上代码，将输出数据框的行数。在这个示例中，输出结果为 5。

python pandas获取行数

获取 Python Pandas 中 DataFrame 的行数

在 Python 的 Pandas 库中，可以通过多种方式获取 DataFrame 的行数。以下是几种常用的方法：

使用 `shape` 属性

shape 是一个元组，表示 DataFrame 的维度 (行数, 列数)，因此可以直接访问第一个元素来获得行数。

import pandas as pd

df = pd.DataFrame({'a': [None, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]})
row_count = df.shape[0]
print(f"Row count using shape attribute: {row_count}")

这种方法简单直观[^1]。

使用 `len()` 函数与 `index` 属性

另一种常见的方式是利用内置函数 len() 结合 DataFrame 的 index 属性计算总行数。

row_count_index = len(df.index)
print(f"Row count using index length: {row_count_index}")

此方法同样有效且易于理解[^3]。

计算非NaN值的行数

如果只关心不包含缺失值的有效记录数量，则应采用 .count() 方法。需要注意的是该操作会针对每一列分别统计非空单元格数目并返回 Series 对象；为了得到整个表格内的实际条目总数，可以选择任意一列调用此功能或将结果求和。

non_nan_row_count = df['a'].count()  # 或者 df.count().sum()
print(f"Non-NaN row count in column 'a': {non_nan_row_count}")

对于某些特定场景下可能更为适用[^2]。

python pandas 数据行数

以下是介绍如何使用Python Pandas获取数据行数的方法：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 获取数据行数
row_num = len(df.index)
print("数据行数为：", row_num)

其中，read_csv()方法用于读取csv文件，len(df.index)用于获取数据行数。

向AI提问

python pandas 获取行数