如何获取panda数据帧df的行数？
当前回答
使用len（df）：-）。
__len__（）记录了“返回索引长度”。
计时信息，设置方式与root的答案相同：
In [7]: timeit len(df.index)
1000000 loops, best of 3: 248 ns per loop
In [8]: timeit len(df)
1000000 loops, best of 3: 573 ns per loop
由于有一个额外的函数调用，当然可以说它比直接调用len（df.index）慢一点。但在大多数情况下，这并不重要。我发现len（df）非常可读。
其他回答
…建立在Jan Philip Gehrcke的答案之上。
len（df）或len（df.index）比df.shape[0]更快的原因是：
看看代码。df.shape是一个@属性，它运行两次调用len的DataFrame方法。
df.shape??
Type: property
String form: <property object at 0x1127b33c0>
Source:
# df.shape.fget
@property
def shape(self):
"""
Return a tuple representing the dimensionality of the DataFrame.
"""
return len(self.index), len(self.columns)
在len（df）的罩下
df.__len__??
Signature: df.__len__()
Source:
def __len__(self):
"""Returns length of info axis, but here we use the index """
return len(self.index)
File: ~/miniconda2/lib/python2.7/site-packages/pandas/core/frame.py
Type: instancemethod
len（df.index）将比len（df）稍快，因为它少了一个函数调用，但这总是比df.shape[0]快
这两种方法都可以做到（df是DataFrame的名称）：
方法1：使用len函数：
len（df）将给出名为df的DataFrame中的行数。
方法2：使用计数函数：
df[col].count（）将计算给定列col中的行数。
df.count（）将给出所有列的行数。
假设df是您的数据帧，那么：
count_row = df.shape[0] # Gives number of rows
count_col = df.shape[1] # Gives number of columns
或者更简洁地说，
r, c = df.shape
对于数据帧df，可以使用以下任一项：
长度（df.索引）df.形状[0]df[df.columns[0]].count（）（==第一列中非NaN值的数量）
再现绘图的代码：
import numpy as np
import pandas as pd
import perfplot
perfplot.save(
"out.png",
setup=lambda n: pd.DataFrame(np.arange(n * 3).reshape(n, 3)),
n_range=[2**k for k in range(25)],
kernels=[
lambda df: len(df.index),
lambda df: df.shape[0],
lambda df: df[df.columns[0]].count(),
],
labels=["len(df.index)", "df.shape[0]", "df[df.columns[0]].count()"],
xlabel="Number of rows",
)
使用len（df）：-）。
__len__（）记录了“返回索引长度”。
计时信息，设置方式与root的答案相同：
In [7]: timeit len(df.index)
1000000 loops, best of 3: 248 ns per loop
In [8]: timeit len(df)
1000000 loops, best of 3: 573 ns per loop
由于有一个额外的函数调用，当然可以说它比直接调用len（df.index）慢一点。但在大多数情况下，这并不重要。我发现len（df）非常可读。
