迹忆客 专注技术分享

我们将介绍如何使用 shape 和 len(DataFrame.index) 之类的不同方法来获取 Pandas DataFrame 的行数。我们发现，len(DataFrame.index) 是最快的，存在明显的性能差异。

我们还将研究如何使用 dataframe.apply() 获取行中有多少个元素满足条件。

.shape 方法获取数据 DataFrame 的行数

假设 df 是我们的 DataFrame，对于计算行数来说，

# python 3.x
import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(15).reshape(3, 5))
print(df)
print("Row count is:", df.shape[0])

输出：

    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
Row count is: 3

对于列数，我们可以使用 df.shape[1]。

.len(DataFrame.index) 获取 Pandas 行数的最快方法

我们可以通过获取成员变量的长度索引来计算 DataFrame 中的行：

# python 3.x
import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(15).reshape(3, 5))
print(df)
print("Row count is:", len(df.index))

输出：

    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
Row count is: 3 

我们还可以传递 df.axes[0] 而不是 df.index：

# python 3.x
import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(15).reshape(3, 5))
print(df)
print("Row count is:", len(df.axes[0]))

输出：

    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
Row count is: 3

对于列数，我们可以使用 df.axes[1]。

dataframe.apply() 计算满足 Pandas 条件的行

通过计算返回的 dataframe.apply() 结果序列中 True 的数目，我们可以得到满足条件的 DataFrame 中的行的元素。

# python 3.x
import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(15).reshape(3, 5))
counterFunc = df.apply(lambda x: True if x[1] > 3 else False, axis=1)
numOfRows = len(counterFunc[counterFunc == True].index)
print(df)
print("Row count > 3 in column[1]is:", numOfRows)

输出：

    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
Row count > 3 in column[1]is: 2

我们得到行中 column[1] > 3 的行数。