Python数据分析，查看数据的行列

在 Python 中进行数据分析时，常用的库之一是 Pandas。如果你使用 Pandas 加载数据文件，可以使用以下代码查看数据的行列：

import pandas as pd

# 读取数据文件
data = pd.read_csv('filename.csv')

# 查看数据的行列
print('数据的行数：', data.shape[0])
print('数据的列数：', data.shape[1])

其中，`filename.csv` 是你要读取的数据文件名。`shape` 属性可以返回数据的行数和列数，分别使用 `shape[0]` 和 `shape[1]` 获取行数和列数。如果你使用的是其他数据格式，可以使用相应的函数来读取数据。

相关问题

python数据分析常用代码

### Python 数据分析常用代码示例

#### 使用 Pandas 进行数据处理

Pandas 是一个功能强大且灵活的数据分析库，能够高效地处理各种形式的数据集。下面展示如何导入 pandas 并创建 DataFrame 对象：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
print(df)

可以利用 `iterrows()` 方法遍历 DataFrame 的每一行并打印出来[^4]。

#### NumPy 数组操作

NumPy 提供了多维数组对象及其派生对象的支持，还有大量用于快速操作这些数组的函数。这里展示了计算行列式的例子：

import numpy as np

a = np.array([[1, 2], [3, 4]])
determinant = np.linalg.det(a)  # 计算矩阵 a 的行列式
print(determinant)  # 输出 -2.0

#### Matplotlib 可视化图表绘制

Matplotlib 能够轻松制作高质量图形，在此提供两个简单的绘图实例——折线图和柱状图[^1]。

##### 折线图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.show()

##### 柱状图

categories = ['Category1', 'Category2', 'Category3', 'Category4']
values = [23, 45, 56, 12]

plt.bar(categories, values)
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")
plt.show()