Pandas数据形状df.shape的实现

Pandas是Python中广受欢迎的数据处理库之一，提供了许多强大的功能，df.shape是其中之一。该函数用于获取Pandas DataFrame中的行数和列数。

1.获取DataFrame的行数和列数

在Pandas中，使用"shape"函数可以轻松获取DataFrame的形状。例如，以下代码创建了一个4x3的DataFrame，并使用"shape"函数获取形状：

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': ['a', 'b', 'c', 'd'],
    'C': [0.1, 0.2, 0.3, 0.4]
}

df = pd.DataFrame(data)
print(df.shape)

输出结果为：

(4, 3)

这意味着DataFrame包含4行和3列。

2.使用DataFrame时注意

在使用DataFrame时，需要注意索引和列标签对形状计算的影响。例如，以下代码创建了一个4x3的DataFrame，并将索引命名为"a"、"b"、"c"和"d"：

import pandas as pd

data = {
    'A': [1, 2, 3, 4],
    'B': ['a', 'b', 'c', 'd'],
    'C': [0.1, 0.2, 0.3, 0.4]
}

df = pd.DataFrame(data, index=['a', 'b', 'c', 'd'])
print(df.shape)

输出结果为：

(4, 3)

但是，如果我们更改列标签，形状也将随之更改。例如，以下代码更改了列标签：

import pandas as pd

data = {
    'X': [1, 2, 3, 4],
    'Y': ['a', 'b', 'c', 'd'],
    'Z': [0.1, 0.2, 0.3, 0.4]
}

df = pd.DataFrame(data)
print(df.shape)

输出结果为：

(4, 3)

虽然DataFrame中仍然有4行和3列，但由于列标签不同，"shape"函数返回的结果是不同的。

综上所述，"shape"是Pandas中非常有用的函数之一，可以帮助我们快速获取DataFrame的形状。无论是用于数据探索还是数据清洗，我们都可以使用它来帮助我们了解我们正在处理的数据。