pandas shape 数据维度形状

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 shape 属性是一个非常有用的属性，它可以用于查看 DataFrame 或 Series 的维度。具体来说，shape 属性返回一个表示维度的元组，其中包含行数和列数。

语法

适用的数据类型

DataFrame
Series

语法

对于 DataFrame 和 Series，语法如下：

DataFrame.shape
Series.shape

返回值

shape 属性返回一个包含两个元素的元组：

第一个元素是行数（对于 Series 来说是元素的数量）
第二个元素是列数（对于 Series 来说没有第二个元素）

使用场景

快速查看 DataFrame 的维度
在数据预处理中确认数据的大小
在调试和数据分析过程中，验证数据集的行列数是否符合预期

示例说明

示例 1：DataFrame 的 shape 属性

构造一个简单的 DataFrame 并查看它的形状：

import pandas as pd

# 构造示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}

df = pd.DataFrame(data)

# 查看 DataFrame 的形状
df_shape = df.shape

print(f"示例数据 DataFrame:\n{df}\n")
print(f"DataFrame 的 shape 属性: {df_shape}")

输出：

示例数据 DataFrame:
      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago
3    David   40      Houston

DataFrame 的 shape 属性: (4, 3)

示例 2：Series 的 shape 属性

构造一个简单的 Series 并查看它的形状：

# 构造示例数据
data_series = pd.Series([10, 20, 30, 40, 50])

# 查看 Series 的形状
series_shape = data_series.shape

print(f"示例数据 Series:\n{data_series}\n")
print(f"Series 的 shape 属性: {series_shape}")

输出：

示例数据 Series:
0    10
1    20
2    30
3    40
4    50
dtype: int64

Series 的 shape 属性: (5,)

进阶示例：大型 DataFrame 的 shape 属性

处理大型数据集时，可以快速查看数据的行列数：

# 生成一个大型 DataFrame
large_data = {
    'A': range(1000),
    'B': range(1000, 2000),
    'C': range(2000, 3000)
}

large_df = pd.DataFrame(large_data)

# 查看大型 DataFrame 的形状
large_df_shape = large_df.shape

print(f"大型 DataFrame 的 shape 属性: {large_df_shape}")

输出：

大型 DataFrame 的 shape 属性: (1000, 3)

通过这些示例，我们可以看到 shape 属性在处理不同规模和类型的数据时都非常有用。它可以帮助我们快速了解数据的基本结构，并在数据分析和处理过程中起到重要作用。

参考

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

< axes 索引的列表 pandas 数据的信息 memory_usage() 占用的内存量 >

更新时间：2024-08-07 08:08:44 标签：pandas python 维度