您也可以这样做：

假设df是您的数据帧。然后df.shape为您提供数据帧的形状，即（行，列）

因此，分配以下命令以获得所需的

 row = df.shape[0], col = df.shape[1]

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）或len（df.index）时，可能会遇到以下错误：

----> 4 df['id'] = np.arange(len(df.index)
TypeError: 'int' object is not callable

解决方案：

lengh = df.shape[0]

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。

len（df.index）将是列出的所有方法中工作最快的

除了前面的答案之外，您还可以使用df.axes获取具有行和列索引的元组，然后使用len（）函数：

total_rows = len(df.axes[0])
total_cols = len(df.axes[1])