pandas 获取数据帧DataFrame的行、列数

1、创建数据帧

import pandas as pd
df = pd.DataFrame([[1, 'A', '3%' ], [2, 'B']], index=['row_0', 'row_1'], columns=['col_0', 'col_1', 'col_2'])

2、获取形状信息

shape = df.shape

2.1 获取行数

rows = shape[0]

rows = len(df.index)

2.2 获取列数

cols = df.shape[1]

cols = len(df.columns)

  其中df.index和df.columns是df的行索引和列索引,类型是‘object’型,可以适用len()方法。

 

转载于:https://www.cnblogs.com/HL-space/p/10656046.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以回答这个问题。 Pandas是一个常用于数据分析的Python库,其中DataFrames是一种二维数据结构,可以轻松处理大量数据。下面是对DataFrame中数据的增删、补全及转换操作的简要介绍: **数据的增加操作** 1. 插入新的列数据 可以使用 `df['new_column'] = new_data` 的方式在DataFrame中插入新的列数据,其中`new_column`是新列的名称,`new_data`是一个列表或数组,表示新列的数据。 2. 插入新的行数据 可以使用 `df.loc[new_row_index] = new_data` 的方式在DataFrame中插入新的行数据,其中`new_row_index`是新的索引,`new_data`是一个列表或数组,表示新的数据。 **数据的删除操作** 1. 删除列数据 可以使用 `del df['column_name']` 的方式删除DataFrame中的一列数据,其中`column_name`是要删除的列的名称。 2. 删除行数据 可以使用 `df.drop(row_index)` 的方式删除DataFrame中的一行数据,其中`row_index`是要删除的的索引。 **数据的补全操作** 1. 填充缺失值 可以使用 `df.fillna(value)` 的方式将DataFrame中的缺失值填充为指定的值,其中`value`是要填充的值。 2. 插值补全缺失值 可以使用 `df.interpolate()` 的方式对DataFrame中的缺失值进插值补全。 **数据的转换操作** 1. 数据类型转换 可以使用 `df.astype(type)` 的方式将DataFrame中的数据类型转换为指定的类型,其中`type`是要转换的数据类型。 2. 数据重塑 可以使用 `df.pivot()` 或 `df.melt()` 的方式对DataFrame中的数据进重塑。 以上是对DataFrame中数据的增删、补全及转换操作的简要介绍。希望能对你有所帮助!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值