这为我工作len(list(df))。

为了在你的总形状中包含行索引“列”的数量，我个人会将df.columns.size与属性pd.Index.nlevels/pd.MultiIndex.nlevels加在一起:

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

将我们的过程写成函数:

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))

这个打印:

Ignore the index:
3 3

Include the index:
4 5

如果你只想包含指标的数量如果指标是pd。MultiIndex，然后你可以在定义的函数中加入isinstance检查。

作为替代，您可以使用df.reset_index().columns。大小来实现相同的结果，但这不会有同样的性能，因为我们临时插入新列到索引中，并在获得列数之前创建一个新索引。

有多个选项来获取列号和列信息，如: 让我们检查一下。

local_df = pd.DataFrame (np.random.randint(1、12、大小=(2,6)),列= [a, b, c, d, e, f)) 1. local_df。形状属性返回元组为(row & columns)(0,1)。

local_df.info()——> info方法将返回关于数据帧及其列的详细信息，例如列数，列的数据类型， 不是空值计数，内存使用数据帧 Len (local_df.columns)—> columns属性将返回数据帧列的索引对象，Len函数将返回可用列的总数。 Local_df.head(0)——参数为0的> head方法将返回df的第一行，实际上它只是标题。

假设列数不超过10。循环的乐趣: li_count = 0 对于local_df中的x: Li_count = Li_count + 1 打印(li_count)

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

很惊讶我还没见过这个，所以话不多说，下面是:

df.columns.size

选择:

df.shape[1]

(df。形状[0]是行数)