pandas python如何计算数据帧中的记录数或行数
对熊猫来说显然是新鲜事物。如何简单地计算数据帧中的记录数。
我本以为像这样简单的东西就能做到，但我似乎甚至在搜索中都找不到答案...可能是因为它太简单了。
cnt = df.count
print cnt
上面的代码实际上只是打印整个df
共有1个答案
关于你的问题...算一场？我决定让它成为一个问题，但我希望它有帮助...
假设我有以下数据帧
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.normal(0, 1, (5, 2)), columns=["A", "B"])
您可以通过
df.A.count()
#or
df['A'].count()
所以如果我做了
df['A'][1::2] = np.NAN
df.count()
结果将是
A 3
B 5
-
我试图在火花数据帧中显示几个不同列的不同计数，以及对第一列进行分组后的记录计数。 所以如果我有col1、col2和col3，我想按col1分组，然后显示col2的不同计数和col3的不同计数。然后，我想在col1的同一组之后显示记录计数。最后，在一个agg语句中完成这一切…有什么想法吗？
-
我知道这不是一个人应该在这里做的事情，尽管我不知道否则我怎么能问这个问题。 我的目标是统计有多少行具有相同的第一预测值（购买、维护等），但评级不同。 我的尝试是通过第一列来计算，然后计算我得到的不同评分，这将是非常棒的。 一个重要的假设是，如果两行相同，则它们已被预先擦除。因此，可以找到不同等级的行，但没有相同的行。 在我的示例中，第1行和第3行是相同的，因此其中一行被擦除，没有问题。然而，对于其
-
问题内容： 我有一个具有以下结构的表： 我想知道如何计算SQL中最近7天每天的记录数，然后将其作为整数返回。 目前，我编写了以下SQL查询： 但是，这仅返回过去7天的所有条目。如何计算过去7天每天的记录？ 问题答案：
-
我想编写一个具有重分区的大型数据帧，所以我想计算源数据帧的重分区数。 数据帧/default_blocksize的大小 所以请告诉我如何在spark scala中计算数据帧的大小 提前谢谢。
-
我想在数据的每一列中找到的数量，这样，如果某一列的少于某个阈值，我就可以删除该列。我看了一下，但没有找到任何功能。对我来说太慢了，因为大多数值都是不同的，而且我只对计数感兴趣。
-
下面有一段代码，它创建了数据框中每列中缺失值的汇总表。我希望我可以构建一个类似的表来计算唯一的值，但是DataFrame没有唯一的（）方法，只有每一列是独立的。 （资料来源：https://stackoverflow.com/a/39734251/7044473） 如何为唯一值实现相同的功能？