Python | Pandas df.size、df.shape 和 df.ndim

在 Pandas 中，DataFrame 是一个二维的表格型数据结构，而Series 则是一维的数据结构，类似于 Python 的列表。在数据分析和处理中，经常需要对 DataFrame 和 Series 进行各种操作，如获取数据大小、形状和维度等。本文将介绍 Pandas 中的 df.size、df.shape 和 df.ndim 属性，以及它们的用法。

获取 DataFrame 大小

在 Pandas 中，可以使用 df.size 属性来获取 DataFrame 中数据元素的总个数，即 DataFrame 的大小。下面是一个示例代码：

import pandas as pd

data = {'Name': ['John', 'Mike', 'Sarah', 'Kate'], 
        'Age': [25, 30, 28, 22], 
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
size = df.size
print('DataFrame 大小：', size)

输出结果为：

DataFrame 大小： 12

此处 DataFrame 的大小为 12，因为 DataFrame 包含 4 行和 3 列的元素，共计 12 个。

获取 DataFrame 形状

要获取 DataFrame 的形状，即其行数和列数，可以使用 df.shape 属性。下面是示例代码：

import pandas as pd

data = {'Name': ['John', 'Mike', 'Sarah', 'Kate'], 
        'Age': [25, 30, 28, 22], 
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
shape = df.shape
print('DataFrame 形状：', shape)

输出结果为：

DataFrame 形状： (4, 3)

此处 DataFrame 的形状为 (4, 3)，因为 DataFrame 有 4 行和 3 列。

获取 DataFrame 维度

在 Pandas 中，每个 DataFrame 和 Series 都有一个维度信息，即它们是一维、二维还是多维数据结构。要获取 DataFrame 的维度，可以使用 df.ndim 属性。下面是一个示例代码：

import pandas as pd

data = {'Name': ['John', 'Mike', 'Sarah', 'Kate'], 
        'Age': [25, 30, 28, 22], 
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
dimension = df.ndim
print('DataFrame 维度：', dimension)

输出结果为：

DataFrame 维度： 2

此处 DataFrame 的维度为 2，因为 DataFrame 是一个二维数据结构。若是一维则为 1。

综上所述，Pandas 中的 df.size、df.shape 和 df.ndim 属性都是用于获取 DataFrame 和 Series 的大小、形状和维度等信息的有用工具。在数据分析和处理中，它们可以大大简化我们操作数据的代码。