pandas 的 ndim 对象的维数

pandas 的 ndim 属性用于返回对象的维数。它适用于 Series 和 DataFrame 类型，并且不接受参数。

语法

Series.ndim
DataFrame.ndim

返回值

ndim 属性返回一个整数，表示对象的维数。对于 Series，它返回 1；对于 DataFrame，它返回 2。

使用场景

ndim 属性用于快速检查对象的维数，有助于了解数据的结构。通常用于调试、数据探索和验证操作的结果。

示例

示例 1：Series 的 ndim

import pandas as pd

# 构造 Series 数据
data_series = pd.Series([1, 2, 3, 4, 5])
print("数据内容：\n", data_series)

# 使用 ndim 属性
ndim_series = data_series.ndim
print("Series 的维数：", ndim_series)

输出结果：

数据内容：
 0    1
1    2
2    3
3    4
4    5
dtype: int64
Series 的维数： 1

示例 2：DataFrame 的 ndim

import pandas as pd

# 构造 DataFrame 数据
data_frame = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})
print("数据内容：\n", data_frame)

# 使用 ndim 属性
ndim_frame = data_frame.ndim
print("DataFrame 的维数：", ndim_frame)

输出结果：

数据内容：
    A  B  C
0  1  4  7
1  2  5  8
2  3  6  9
DataFrame 的维数： 2

深入示例：用于数据探索和验证

在数据分析过程中，了解数据的结构是非常重要的。通过 ndim 属性，可以快速确认对象的维数。例如，在数据清洗过程中，你可能会将某些操作应用到 DataFrame 上，并希望确保结果仍然是二维的。

import pandas as pd

# 构造原始 DataFrame 数据
original_data = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})
print("原始数据内容：\n", original_data)

# 进行一些操作，例如选取部分列
modified_data = original_data[['A', 'B']]
print("修改后的数据内容：\n", modified_data)

# 验证修改后的数据维数
ndim_modified = modified_data.ndim
print("修改后 DataFrame 的维数：", ndim_modified)

输出结果：

原始数据内容：
    A  B  C
0  1  4  7
1  2  5  8
2  3  6  9
修改后的数据内容：
    A  B
0  1  4
1  2  5
2  3  6
修改后 DataFrame 的维数： 2

通过上述示例，可以看到 ndim 属性在数据分析和处理中的具体应用，帮助我们验证操作的正确性。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.ndim.html

更新时间：Aug. 3, 2024, 5:12 p.m. 标签：pandas python 维数 维度