Python 如何检索数据框中的列数？

如何以编程方式检索数据帧中的列数？我希望有这样的事情：

df.num_columns

像这样：

import pandas as pd
df = pd.DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})

len(df.columns)
3

备选方案：

df.shape[1]

---

（

df.shape[0]

是行数）

如果保存数据帧的变量称为df，则：

len(df.columns)

给出列数

#use a regular expression to parse the column count
#https://docs.python.org/3/library/re.html

buffer = io.StringIO()
df.info(buf=buffer)
s = buffer.getvalue()
pat=re.search(r"total\s{1}[0-9]\s{1}column",s)
print(s)
phrase=pat.group(0)
value=re.findall(r'[0-9]+',phrase)[0]
print(int(value))

对于需要行数的用户：

len(df.index)

对于同时包含行数和列数的元组：

df.shape

这对我来说很有效（list（df））。

df.info（）函数将给出如下结果。 如果您使用的是不带sep参数或带“，”的sep的熊猫读取csv方法

raw\u data=pd.read\u csv（“a1:\aa2/aaa3/data.csv”）
原始数据。信息（）
范围索引：5144个条目，0到5143
栏目：145个条目，从R_fighter到R_age

有多个选项可以获取列号和列信息，例如：
让我们检查一下

local_df=pd.DataFrame（np.random.randint（1,12，size=（2,6）），列=['a'，'b'，'c'，'d'，'e'，'f']） 1.local_df.shape[1]->shape属性将元组返回为（行和列）（0,1）

local_df.info（）-->info方法将返回有关数据帧及其列的详细信息，如列计数、列的数据类型、， 非空值计数，按数据帧划分的内存使用情况

len（local_df.columns）->columns属性将返回数据框列的索引对象，len函数将返回可用列的总数

local_df.head（0）-->带有参数0的head方法将返回df的第一行，实际上它只返回头

假设列数不超过10。为了好玩： li_计数=0 对于本地_df中的x： 李数=李数+1

---

打印（li_count）

很惊讶我还没有看到这一点，因此，无需进一步讨论，这里是：

---

为了在总形状中包含行索引“列”的数量，我个人会将列数

df.columns.size

与属性

pd.index.nlevels

/

pd.MultiIndex.nlevels

相加：

设置虚拟数据

import pandas as pd

flat_index = pd.Index([0, 1, 2])
multi_index = pd.MultiIndex.from_tuples([("a", 1), ("a", 2), ("b", 1), names=["letter", "id"])

columns = ["cat", "dog", "fish"]

data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flat_df = pd.DataFrame(data, index=flat_index, columns=columns)
multi_df = pd.DataFrame(data, index=multi_index, columns=columns)

# Show data
# -----------------
# 3 columns, 4 including the index
print(flat_df)
    cat  dog  fish
id                
0     1    2     3
1     4    5     6
2     7    8     9

# -----------------
# 3 columns, 5 including the index
print(multi_df)
           cat  dog  fish
letter id                
a      1     1    2     3
       2     4    5     6
b      1     7    8     9

将流程编写为函数：

def total_ncols(df, include_index=False):
    ncols = df.columns.size
    if include_index is True:
        ncols += df.index.nlevels
    return ncols

print("Ignore the index:")
print(total_ncols(flat_df), total_ncols(multi_df))

print("Include the index:")
print(total_ncols(flat_df, include_index=True), total_ncols(multi_df, include_index=True))

这张照片是：

Ignore the index:
3 3

Include the index:
4 5

如果只想在索引为

pd.MultiIndex

时包含索引数，则可以在定义的函数中插入

isinstance

检查

作为替代，您可以使用

df.reset_index（）.columns.size

来实现相同的结果，但这不会有那么好的效果，因为我们将临时向索引中插入新列，并在获取列数之前创建新索引

#use a regular expression to parse the column count
#https://docs.python.org/3/library/re.html

buffer = io.StringIO()
df.info(buf=buffer)
s = buffer.getvalue()
pat=re.search(r"total\s{1}[0-9]\s{1}column",s)
print(s)
phrase=pat.group(0)
value=re.findall(r'[0-9]+',phrase)[0]
print(int(value))

给出行的长度

3

[Program finished]

这是：

• pandas

  • excel引擎：

    xlsxwriter

获取列计数的几种方法：

• len（df.columns）

  ->

  28

• df.shape[1]

  ->

  28

  • 这里：

    df.shape=（592,28）

  • 相关的
    • 行数：

      df.shape[0]

      ->

      592

• df.columns.shape[0]

  ->

  28

  • 这里：

    df.columns.shape=（28，）

• df.columns.size

  ->

  28

---

plus

df.shape

给出了一个元组，其中包含（n_行，n_列）@mkln如果你将df.shape[1]作为答案，我会+1。这是与numpy合作的更好方式，值得单独回答。完成@PhilCooper也许你可以解释为什么

df.shape

更好？我的猜测是，它不调用函数，而只是从内存？+1中读取属性，因为我喜欢鼓励使用martix类型语法对numpy和pandas对象进行寻址。（df.形状vs.长度（df.柱））。说实话，如果您查看形状的pandas描述符，它调用len（df.columns），但numpy数组和矩阵将它们作为属性。最有效的向量化操作可以使用常规python语法来完成，而不是向量化操作，并且几乎总是错误的（numba/jit操作除外），不会

len（df）

给你行吗？@padraiccnningham pandas有太多容易忘记的快捷方式，所以我宁愿忽略它们，而是使用主逻辑来解决问题。有时您可能会牺牲处理速度，但我认为我的编码时间和代码可读性比几秒钟的处理时间更重要。在这种情况下：如果你知道行的数量可以用len（df.index）计算，那么下次你需要列的数量时，很自然地要用len（df.columns）来计算。请编辑您的答案并加以改进，或者将其作为评论发布。不要这样做。它创建了一个新的列表，浪费了内存和速度。我正在寻找一个解决方案，该解决方案还考虑了groupby操作后转换为（多）索引的列。我算出了

len（df.axes[0].names）+df.shape[1]

，但它看起来远远不是最优的。有什么想法吗？现在没有一个现有的答案能解决这个问题。@jangorecki，但这与这个问题毫无关系。如果事物在数据帧的索引中，则它们不被视为列。虽然这似乎是一种任意的区别，但pandas对索引值和列序列的处理在某些操作中非常不同。无论如何，当您使用groupby时，您可以使用

as_index=False

阻止创建

MultiIndex

。@ALollz它们不被视为列的事实只是一个细节，来自SQL、R和其他技术的工程师希望将列分组为列，而不是属性。@jangorecki一个简单的方法是

len（df.reset_index（）.columns）

as reset_index会将所有索引转换为列。但@Aloltz指出，这确实是一个截然不同的问题。我建议

3

[Program finished]