假设数据集是“data”，将数据集命名为“data_fr”，data_fr中的行数为“nu_rows”

#import the data frame. Extention could be different as csv,xlsx or etc.
data_fr = pd.read_csv('data.csv')

#print the number of rows
nu_rows = data_fr.shape[0]
print(nu_rows)

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])

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]。

找出数据帧中行数的另一种方法是pandas.Index.size，我认为这是最可读的变体。

请注意，正如我对公认答案的评论，

疑似pandas.Index.size实际上比len（df.Index）更快，但在我的计算机上告诉的是相反的情况（每个循环大约慢150 ns）。

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

…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