刚接触Python。
在R中,可以使用dim(...)获取矩阵的维度。那么在Python Pandas中,如何获取数据框的对应函数?
答案:df.shape
df.shape
,其中df
是您的数据框。
有多种方式可以获取DataFrame或Series的属性信息。
创建示例DataFrame和Series
df = pd.DataFrame({'a':[5, 2, np.nan], 'b':[ 9, 2, 4]})
df
a b
0 5.0 9
1 2.0 2
2 NaN 4
s = df['a']
s
0 5.0
1 2.0
2 NaN
Name: a, dtype: float64
shape
属性shape
属性返回一个包含数据框的行数和列数的二元组。对于一个系列,它返回一个单项元组。
df.shape
(3, 2)
s.shape
(3,)
len
函数要获取 DataFrame 的行数或 Series 的长度,请使用 len
函数。函数会返回一个整数。
len(df)
3
len(s)
3
size
属性要获取DataFrame或Series中元素的总数,请使用size
属性。对于DataFrame,这是行数和列数的乘积。对于Series,这将等同于len
函数:
df.size
6
s.size
3
ndim
属性ndim
属性返回您的 DataFrame 或 Series 的维数。对于 DataFrame,它将始终为 2,而对于 Series,则为 1:
df.ndim
2
s.ndim
1
count
方法count
方法可用于返回DataFrame每个列/行的非缺失值数量。这可能会令人困惑,因为大多数人通常认为count只是每行的长度,但实际上并非如此。在DataFrame上调用时,将返回一个Series,其中索引中包含列名,而值是非缺失值的数量。
df.count() # by default, get the count of each column
a 2
b 3
dtype: int64
df.count(axis='columns') # change direction to get count of each row
0 2
1 2
2 1
dtype: int64
对于一个Series,它只有一个轴用于计算,因此它只返回一个标量:
s.count()
2
info
方法检索元数据info
方法返回每列的非缺失值数量和数据类型。
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
a 2 non-null float64
b 3 non-null int64
dtypes: float64(1), int64(1)
memory usage: 128.0 bytes