使用pandas统计行数

可以使用`pandas`库中的`shape`属性来获取DataFrame的行数和列数。

例如，假设你有一个名为`df`的DataFrame，你可以使用以下代码来获取行数：

rows = df.shape[0]

这将返回一个整数，表示`df`中的行数。

相关问题

pandas统计行数

pandas统计行数可以使用len()函数或者shape属性。其中，len()函数返回的是DataFrame对象的行数，而shape属性返回的是一个元组，包含了行数和列数两个值。例如，对于一个名为df的DataFrame对象，可以使用以下代码统计其行数：
1. print(len(df))
2. print(df.shape)

pandas 筛选后行数统计

在Pandas中，筛选数据后进行行数统计，通常是通过布尔索引来选择满足条件的行，然后利用`len()`或`.shape[0]`来获取筛选后的行数。例如，假设你有一个DataFrame `df`，你可以这样做：

# 选择满足特定条件的行，例如年龄大于30岁的行
filtered_df = df[df['age'] > 30]

# 统计筛选后的行数
row_count_after_filtering = len(filtered_df)  # 或者 filtered_df.shape[0]

这将返回一个整数，表示在原数据集中年龄大于30岁的人的数量。

如果你需要根据多个条件筛选，并且想要了解所有组合的行数，可以考虑使用`itertools.product()`生成所有可能的条件组合，然后分别应用并计数：

import itertools

conditions = ['age>30', 'income>50000']
for condition in itertools.product(*conditions):
    mask = df.eval(' & '.join(condition))  # 使用eval合并条件
    row_count_for_condition = mask.sum()
    print(f"行数: {row_count_for_condition}")

这将打印出每种条件组合下满足条件的行数。