Python | Панды df.size, df.shape и df.ndim

Опубликовано: 29 Марта, 2022

Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.

Pandas .size, .shape and .ndim are used to return size, shape and dimensions of data frames and series.

Syntax: dataframe.size
Return : Returns size of dataframe/series which is equivalent to total number of elements. That is rows x columns.

Syntax: dataframe.shape
Return : Returns tuple of shape (Rows, columns) of dataframe/series

Syntax: dataframe.ndim
Return : Returns dimension of dataframe/series. 1 for one dimension (series), 2 for two dimension (dataframe)

Чтобы загрузить набор данных, используемый в следующем примере, щелкните здесь.

В следующих примерах используемый фрейм данных содержит данные некоторых игроков НБА. Изображение фрейма данных до каких-либо операций прилагается ниже.

Example:
In this example, the output from size and shape is stored first. Since .size returns total number of elements, it is compared by multiplying rows and columns returned by the shape method. After that dimension of Dataframe and series is also checked using .ndim

# importing pandas module
import pandas as pd
  
# making data frame
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv")
  
# dataframe.size
size = data.size
  
# dataframe.shape
shape = data.shape
  
# dataframe.ndim
df_ndim = data.ndim
  
# series.ndim
series_ndim = data["Salary"].ndim
  
# printing size and shape
print("Size = {}
Shape ={}
Shape[0] x Shape[1] = {}".
format(size, shape, shape[0]*shape[1]))
  
# printing ndim
print("ndim of dataframe = {}
ndim of series ={}".
format(df_ndim, series_ndim))

Выход:

Размер = 4122
Форма = (458, 9)
Форма [0] x Форма [1] = 4122
ndim кадра данных = 2
ndim серии = 1

Как видно, строки x столбцы из .shape равны значению, возвращаемому .size
Кроме того, ndim для фрейма данных был 2, а серия - 1, что верно для всех типов фреймов данных и серий.

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.

Python

Python | Панды df.size, df.shape и df.ndim

РЕКОМЕНДУЕМЫЕ СТАТЬИ