博客

Pandas是Python中最广泛使用的数据处理库，它提供了许多方便的功能来加工和分析数据。其中一个最基本的功能就是读取和处理数据形状，df.shape()便是其中的一个重要函数。

1. df.shape()函数的意义

df.shape是一个属性，并不是函数，在DataFrame中，它用来获取DataFrame的形状。返回一个元组，包括行数和列数。当数据量很大时，此功能非常重要。

1. 示例讲解

(1) 示例1：获取数据形状

代码：

import pandas as pd

df = pd.read_csv('data.csv') #导入csv数据，注意这里的数据来自csv文件
print(df.shape) 

其中，data.csv为我们的测试数据。执行df.shape可输出数据形状，输出结果为(1000, 6)，表示该DataFrame有1000行，6列。

(2) 示例2：矩阵转换

有时候，我们需要将DataFrame进行转置，以便让行和列互换。这时候我们可以使用df.T或者df.transpose()函数，但是在做完转置之后，我们需要再查看目前DataFrame的形状。

代码：

import pandas as pd

df = pd.read_csv('data.csv') #导入csv数据，注意这里的数据来自csv文件
print(df.shape)
df_T = df.T  # DataFrame转置
print(df_T.shape) 

在运行以上代码后，我们可以发现，转置之后df_T的形状为(6, 1000)，表示该DataFrame有6行，1000列。

1. 小结

df.shape()函数是数据处理过程中非常重要的一个函数，能够帮助我们了解一份数据集的基本信息。通过本文的实例操作，我们可以了解df.shape()函数的具体用法，更好地使用pandas库做数据分析和处理。