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
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的,请 点击进行留言回复,万千网友为您解惑!
网友评论