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",
)

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

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])

如果要在链接操作的中间获取行数，可以使用：

df.pipe(len)

例子：

row_count = (
      pd.DataFrame(np.random.rand(3,4))
      .reset_index()
      .pipe(len)
)

如果您不想在len（）函数中放一个长语句，这可能很有用。

您可以改用__len__（），但__len__）看起来有点奇怪。

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。

TL；DR使用长度（df）

len（）返回列表对象的项数（长度）（也适用于字典、字符串、元组或范围对象）。因此，要获取DataFrame的行计数，只需使用len（df）。有关len函数的更多信息，请参见官方页面。

或者，您可以分别使用df.index和df.columns访问所有行和所有列len（df.index）将给出行数，len（df.columns）将给出列数。

或者，您可以使用df.shape，它一起返回行数和列数（作为元组），在这里您可以使用索引访问每个项。如果要访问行数，请仅使用df.shape[0]。对于列数，请只使用：df.shape[1]。