Python中size shape len的区别及用法

创建dataframe

首先创建一个dataframe

import pandas as pd
data=pd.DataFrame(dict(zip(['Col1','Col2','Col3'],
[[1,2,3,4],['a','b','c','d'],[1,2,3,4]])))

这里介绍下，利用zip和dict来创建字典

zip(['Col1','Col2','Col3'], [[1,2,3,4],['a','b','c','d'],[1,2,3,4]])

后面的【】里面，每一个【】都是一个列的内容，所以如果要创建一个仅有一行数据的dataframe

import pandas as pd
data=pd.DataFrame(dict(zip(['Col1','Col2','Col3'], [[1],[2],[3]])))

size shape len的区别及用法

然后分别运行size shape len，很容易就能看出其中的区别：

data

data.shape

(4, 3)

data.size

12

len(data)

4

可以看到.shape返回的是，dataframe的维度，即4行3列
同时可以利用

(x,y)= data.shape

可以分别将 行和列数 提取出来

.size则返回了整个的dataframe中“有多少个数据”，是 行*列 的结果
len()可以想象成数据长度/条数，即数据的行数，有多少个observation

np.size()的用法

当然如果想分别计算行列，可以使用 np.size(data,n)
n=0是行数，n=1是列数，如果不填写n则与.size返回结果相同

import numpy as np
np.size(data,0)

4

np.size(data,1)

3

np.size(data)

12

本文地址：https://blog.csdn.net/CHEN_Swith/article/details/107633829