Python pandas如何获取数据的行数和列数

Python pandas获取数据的行数和列数

import pandas as pd
 
df = pd.DataFrame({'Country':['China','China', 'India', 'India', 'America', 'Japan', 'China', 'India'], 
                   'Income':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000],
                    'Number':[5000, 4321, 1234, 4010, 250, 250, 4500, 4321]})

法一：

df.shape#返回df的行数和列数

输出：

(8, 3)

df.shape[0]#返回df的行数

输出：

8

df.shape[1]

输出：

3

法二：

df.info()

输出：

pandas获取数据以及数据概览

1 数据获取

先引入必要的库

import pandas as pd
import numpy as np

1.1 读取数据

使用方法：pandas.read_csv()

参数：

（1）文件所在的路径

（2）headers：设置参数headers=None，pandas将不会自动将数据集的第一行设置为列表表头（列名）

other_path = "https://s3-api.us-geo.objectstorage.softlayer.net/cf-courses-data/CognitiveClass/DA0101EN/auto.csv"
df = pd.read_csv(other_path, header=None)

• 查阅数据集的前n行，使用函数df.head(n);
• 查阅数据集的倒数后n行，使用函数df.tail(n)

df.head(5)

输出：

df.tail(10)

输出：

1.2 为数据集添加列名（表头）

观察上面读取出来的部分数据，pandas自动将列名（表头）设置为从0开始的数字标签。

需要我们手动添加能够帮助我们更好理解数据的列名：

首先创建出一个列表headers，里面内容就是每列的名称，然后使用方法：df.columns = headers来将列名替换成我们刚才设置的。

headers = ["symboling","normalized-losses","make","fuel-type","aspiration", "num-of-doors","body-style",
         "drive-wheels","engine-location","wheel-base", "length","width","height","curb-weight","engine-type",
         "num-of-cylinders", "engine-size","fuel-system","bore","stroke","compression-ratio","horsepower",
         "peak-rpm","city-mpg","highway-mpg","price"]
df.columns = headers
df.head(10)

输出：

1.3 删除某些具有空值的“脏数据”

观察上面的部分数据，发现有一些值为“？” 的行代表空值，首先需要先将这些“？”标志替换为NaN,然后使用方法dropna()来移除这些脏数据。

df1=df.replace('?',np.NaN)

下面使用方法dropna来删除脏数据行。

关于方法dropna（）：

参数：

（1）axis： default 0指删除行,1为删除列

（2）subset：对特定的列进行缺失值删除处理

（3）how： {‘any’, ‘all’}, default ‘any’指带缺失值的所有行;'all’指清除全是缺失值的

（4）thresh：int,保留含有int个非空值的行

（5）inplace：True表示直接在原数据上更改

df=df1.dropna(subset=["price"], axis=0)
df.head(20)

上面的调用，表示，删除“price”列为空值的行。

输出：

可以看出，原来行9的“price”列为空值，所以行9被删除。

1.4 查看数据的列名列表

df.columns

输出：

1.5 保存某个数据集

我们可以将处理过的dataframe（df）保存成某种格式（例如：.csv）的文件，方便以后进行读取。

使用方法df.to_csv（“文件要保存的路径”， index = False）

df.to_csv("automobile.csv", index=False)

注：参数index的含义为“是否保留行索引”， 默认为True

当然我们可以读取其他格式的数据，对数据操作完成后，我们也同样可以将数据保存为不同的格式，下图显示了读取其他格式文件以及将数据集保存为其他格式的方法：

2 数据概览

2.1 查看每列数据的类型

dataframe的属性dtypes可以返回表示每列数据名称及类型的列表：

print(df.dtypes)

输出：

第一列为列名，第二列为数据的类型

2.2 获取每列数据的统计特征（eg：总行数，列数据的平均值、标准差，etc）

使用：dataframe.describe()即可查看每列数据的

（1）总行数统计count

（2）平均值mean

（3）标准差std

（4）最小值min

（5）25%分位值“25%”

（6）50%分位值“50%”

（7）75%分位值“75%”

（8）最大值max

df.describe()

输出：

注意：方法describe()只统计（没有任何参数的情况下）数据类型（numeric-typed数据类型，例如int，float等）列的统计特征，并且会自动NaN值。

如果我们想查看所有列的统计特征（即包括非数据类型的列，例如object类型的列），就需要在describe()方法中添加参数（include = “all”）

df.describe(include = "all")

输出：

2.3 获取指定列的统计学特征

使用如下语句：

dataframe[[‘column1’, ‘column2’, ‘column3’]].describe()

df[['length', 'compression-ratio']].describe()

输出：

2.4 使用方法info（）来查看dataframe的简介描述

使用如下语句：

dataframe.info()

此方法打印有关dataframe的信息，包括索引dtype和列、非空值和内存使用情况。

df.info()

输出：

2.5 查看数据的行数及列数

通过属性shape，获取数据集的（行数，列数）

ratings_df.shape

输出：

（463， 19）

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

最新评论