Как узнать количество строк в таблице python
Чтобы подсчитать количество строк в DataFrame, вы можете использовать свойство dataframe.shape или dataframe.count() .
Dataframe.shape возвращает кортеж, содержащий количество строк в качестве первого элемента и количества столбцов в качестве второго элемента. Индексируя первый элемент, мы можем получить количество строк в DataFrame:
import pandas as pd # initialize dataframe df = pd.DataFrame('a': [1, 4, 7, 2], 'b': [2, 0, 8, 7]>) # number of rows in dataframe num_rows = df.shape[0] print('Number of Rows in DataFrame :',num_rows) # => Number of Rows in DataFrame : 4 Dataframe.count() , с значениями параметров по умолчанию возвращает количество значений вдоль каждого столбца. А в DataFrame каждый столбец содержит одинаковое количество значений, равных количеству строк. Индексируя первый элемент, мы можем получить количество строк в DataFrame:
import pandas as pd # initialize dataframe df = pd.DataFrame('a': [1, 4, 7, 2], 'b': [2, 0, 8, 7]>) # number of rows in dataframe num_rows = df.count()[0] print('Number of Rows in DataFrame :',num_rows) # => Number of Rows in DataFrame : 4 Data Frame. Count Метод
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
Возвращает количество строк в DataFrame .
public long Count ();member this.Count : unit -> int64Public Function Count () As LongКак получить количество строк в DataFrame библиотеки Pandas
Одной из распространенных задач при работе с данными в Python с использованием библиотеки Pandas является подсчет строк в DataFrame. Например, может потребоваться узнать размерность данных, с которыми предстоит работать, или проверить, сколько данных осталось после фильтрации или удаления определенных строк.
Библиотека Pandas предоставляет несколько способов, которые позволяют получить количество строк в DataFrame.
Использование атрибута shape
Один из способов — использовать атрибут shape у объекта DataFrame. Этот атрибут возвращает кортеж, содержащий количество строк и столбцов в DataFrame. Чтобы получить количество строк, нужно обратиться к первому элементу этого кортежа.
import pandas as pd # Создание DataFrame df = pd.DataFrame(< 'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e'] >) # Получение количества строк rows_count = df.shape[0]
Использование функции len()
Еще один способ — это использовать встроенную в Python функцию len() . Эта функция возвращает количество строк в DataFrame.
import pandas as pd # Создание DataFrame df = pd.DataFrame(< 'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e'] >) # Получение количества строк rows_count = len(df)
Оба этих способа позволяют быстро и эффективно получить количество строк в DataFrame, что может быть полезно при проведении анализа данных.
Подсчет и фильтрация строк в DataFrame Pandas
Чтобы подсчитать количество строк в DataFrame, вы можете использовать свойство shape или метод count().
DataFrame.shape возвращает кортеж, содержащий количество строк в качестве первого элемента и количество столбцов в качестве второго элемента. Индексируя первый элемент, мы можем получить количество строк в DataFrame.
DataFrame.count() со значениями параметров по умолчанию возвращает количество значений по каждому столбцу. Каждый столбец содержит одинаковое количество значений, равное количеству строк. Индексируя первый элемент, мы можем получить количество строк в DataFrame.
Пример 1: подсчет с помощью shape
В этом примере мы будем использовать свойство DataFrame.shape, чтобы получить количество строк.
import pandas as pd #initialize dataframe df = pd.DataFrame() #number of rows in dataframe num_rows = df.shape[0] print('Number of Rows in DataFrame :',num_rows)
Number of Rows in DataFrame : 4
Пример 2: с помощью count()
В этом примере мы будем использовать метод count() для подсчета количества строк в DataFrame.
import pandas as pd #initialize dataframe df = pd.DataFrame() #number of rows in dataframe num_rows = df.count()[0] print('Number of Rows in DataFrame :',num_rows)
Number of Rows in DataFrame : 4
В этом руководстве на примерах Python мы узнали, как подсчитать количество строк в заданном DataFrame разными способами с помощью примеров программ.
Фильтрации строк
Чтобы отфильтровать строки в DataFrame, вы можете использовать функцию isin(). Она возвращает логический DataFrame, который при использовании с исходным фильтрует строки, которые подчиняются критериям фильтра.
Вы также можете использовать query() для фильтрации строк, удовлетворяющих заданному логическому выражению.
Пример 1: с помощью isin()
В этом примере мы возьмем DataFrame с двумя столбцами с именами a, b и четырьмя строками. Мы будем фильтровать при условии, что значения столбца a лежат в заданном диапазоне.
import pandas as pd #initialize dataframe df = pd.DataFrame() #check if the values of df['a'] are in the range(3,6) out = df['a'].isin(range(3,6)) #filter dataframe filtered_df = df[out] print('Original DataFrame\n-------------------\n',df) print('\nFiltered DataFrame\n-------------------\n',filtered_df)
Функция isin() возвращает True для строк, значения столбца в которых находятся в диапазоне (3,6). В противном случае функция возвращает false.
df [out] возвращает только те строки, значение которых равно True, что приводит к отфильтрованному выводу.
Original DataFrame ------------------- a b 0 2 2 1 4 0 2 8 9 3 5 7 Filtered DataFrame ------------------- a b 1 4 0 3 5 7
Пример 2: с помощью query()
В этом примере мы инициализируем DataFrame двумя столбцами a и b, содержащими четыре строки. Мы будем фильтровать те строки, у которых значение столбца b больше 4.
Мы будем использовать query() для фильтрации строк.
import pandas as pd #initialize dataframe df = pd.DataFrame() #get rows where that b>4 filtered_df = df.query('b>4') print('Original DataFrame\n-------------------\n',df) print('\nFiltered DataFrame\n-------------------\n',filtered_df)
Original DataFrame ------------------- a b 0 1 2 1 4 0 2 7 8 3 2 7 Filtered DataFrame ------------------- a b 2 7 8 3 2 7
В этом руководстве на примерах Python мы узнали, как фильтровать DataFrame на основе условий, применяемых к значениям его столбцов.