pandas python comment compter le nombre d'enregistrements ou de lignes dans une base de données

Bien évidemment de nouveau aux Pandas. Comment puis-je simplement compter le nombre d'enregistrements dans un dataframe.

J'aurais pensé à quelque chose d'aussi simple que ce serait-il le faire et je n'arrive pas à même de trouver la réponse dans les recherches...sans doute parce que c'est trop simple.

cnt = df.count
print cnt

le code ci-dessus fait juste des impressions de l'ensemble de df

source d'informationauteur IcemanBerlin

  1. 12

    Ce qui concerne votre question... compter un Champ? J'ai décidé d'en faire une question, mais j'espère que cela aide...

    Dire que j'ai la suite DataFrame

    import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.normal(0, 1, (5, 2)), columns=["A", "B"])

    Vous pouvez les compter sur une seule colonne par

    df.A.count()
#or
df['A'].count()

    à la fois d'évaluer à 5.

    Cool (ou l'une des nombreuses w.r.t. pandas ), c'est que si vous avez NA valeurs, le comte prend cela en considération.

    Donc, si je n'ai

    df['A'][1::2] = np.NAN
df.count()

    Le résultat serait

     A    3
 B    5
  2. 9

    Pour obtenir le nombre de lignes dans un dataframe utilisation:

    df.shape[0]

    (et df.shape[1] pour obtenir le nombre de colonnes).

    Comme alternative, vous pouvez utiliser 

    len(df)

    ou

    len(df.index)

    (et len(df.columns) pour les colonnes)

    shape est plus polyvalent et plus pratique que len()en particulier pour le travail interactif (a juste besoin d'être ajouté à la fin), mais len est un peu plus rapide (voir aussi cette réponse).

    Pour éviter: count() parce qu'elle renvoie le nombre de non-NA/null observations sur demande de l'axe

    len(df.index) est plus rapide 

    import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(24).reshape(8, 3),columns=['A', 'B', 'C'])
df['A'][5]=np.nan
df
# Out:
#     A   B   C
# 0   0   1   2
# 1   3   4   5
# 2   6   7   8
# 3   9  10  11
# 4  12  13  14
# 5 NaN  16  17
# 6  18  19  20
# 7  21  22  23

%timeit df.shape[0]
# 100000 loops, best of 3: 4.22 µs per loop

%timeit len(df)
# 100000 loops, best of 3: 2.26 µs per loop

%timeit len(df.index)
# 1000000 loops, best of 3: 1.46 µs per loop

    df.__len__ est juste un appel à len(df.index)

    import inspect 
print(inspect.getsource(pd.DataFrame.__len__))
# Out:
#     def __len__(self):
#         """Returns length of info axis, but here we use the index """
#         return len(self.index)

    Pourquoi vous ne devriez pas utiliser count()

    df.count()
# Out:
# A    7
# B    8
# C    8
  3. 8

    Simplement, arguments no_lig = df.de la forme[0] # donne le nombre de lignes, voici l'exemple:

    import pandas as pd
import numpy as np

In [322]: df = pd.DataFrame(np.random.randn(5,2), columns=["col_1", "col_2"])

In [323]: df
Out[323]: 
      col_1     col_2
0 -0.894268  1.309041
1 -0.120667 -0.241292
2  0.076168 -1.071099
3  1.387217  0.622877
4 -0.488452  0.317882

In [324]: df.shape
Out[324]: (5, 2)

In [325]: df.shape[0]   ## Gives no. of rows/records
Out[325]: 5

In [326]: df.shape[1]   ## Gives no. of columns
Out[326]: 2
  4. 2

    Nan exemple ci-dessus en manque un morceau, ce qui le rend moins générique. Pour ce faire, en plus "générique" utilisation df['column_name'].value_counts()
    Cela vous donnera le nombre de chaque valeur dans cette colonne.

    d=['A','A','A','B','C','C'," " ," "," "," "," ","-1"] # for simplicity

df=pd.DataFrame(d)
df.columns=["col1"]
df["col1"].value_counts() 
      5
A     3
C     2
-1    1
B     1
dtype: int64
"""len(df) give you 12, so we know the rest must be Nan's of some form, while also having a peek into other invalid entries, especially when you might want to ignore them like -1, 0 , "", also"""