认为df那么是你的数据框：
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如果数据集很大，如果您只需要行数，则 len (df.index) 比 df.shape[0] 快得多。我测试了它。
为什么我的 DataFrame 上没有 shape 方法？
@ArdalanShahgholi 可能是因为返回的是一个系列，它总是一维的。因此，只有len(df.index)将工作
@Connor我需要从我的DF中获得行数和列数。在我的 DF 中，我也有一个选择，这意味着我有一张桌子，现在的问题是为什么我的 DF 上没有 SHAPE 功能？
很好的问题，将其作为一个单独的问题，分享您尝试过的内容以及您看到的结果（提供一套完整的工作代码，其他人可以轻松复制），然后在此处分享该问题的链接。我看看能不能帮忙
@ArdalanShahgholishape不是一个函数是一个属性，你可以发现比较df.shape和df.shape()在你的 df.
@康纳df.A.shape[0]或者df.loc[:,'A'].shape[0]为系列工作。
利用len(df):-)。
__len__()记录在“返回索引长度”中。
计时信息，设置方式与中相同根的回答：
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由于多了一个函数调用，所以说比调用慢一点当然是正确的len(df.index)直接地。但这在大多数情况下应该无关紧要。我发现len(df)可读性强。
如何获取 Pandas DataFrame 的行数？
此表总结了您希望在 DataFrame（或 Series，为了完整性）中计算某些内容的不同情况，以及推荐的方法。
脚注
DataFrame.count返回每列的计数作为Series因为非空计数因列而异。DataFrameGroupBy.size返回一个Series，因为同一组中的所有列共享相同的行数。DataFrameGroupBy.count返回一个DataFrame，因为非空计数可能在同一组中的列之间有所不同。要获取特定列的分组非空计数，请使用df.groupby(...)['x'].count()其中“x”是要计数的列。
最少的代码示例
下面，我展示了上表中描述的每种方法的示例。首先，设置 –
df = pd.DataFrame({
'A': list('aabbc'), 'B': ['x', 'x', np.nan, 'x', np.nan]})
s = df['B'].copy()
df
A B
0 a x
1 a x
2 b NaN
3 b x
4 c NaN
s
0 x
1 x
2 NaN
3 x
4 NaN
Name: B, dtype: object数据帧的行数：len(df),df.shape[0]， 或者len(df.index)
len(df)
# 5
df.shape[0]
# 5
len(df.index)
# 5比较恒定时间操作的性能似乎很愚蠢，尤其是当差异在“认真，别担心”的级别时。但这似乎是其他答案的趋势，所以为了完整性，我也在做同样的事情。
以上三种方法中，len(df.index)（如其他答案中所述）是最快的。
笔记
- 上述所有方法都是常数时间操作，因为它们是简单的属性查找。
df.shape（如同ndarray.shape) 是一个返回元组的属性(# Rows, # Cols).例如，df.shape返回(8, 2)对于此处的示例。
DataFrame 的列数：df.shape[1],len(df.columns)
df.shape[1]
# 2
len(df.columns)
# 2类似于len(df.index),len(df.columns)是两种方法中较快的一种（但需要输入更多字符）。
系列的行数：len(s),s.size,len(s.index)
len(s)
# 5
s.size
# 5
len(s.index)
# 5s.size和len(s.index)速度上是差不多的。但我推荐len(df).
笔记
size是一个属性，它返回元素的数量（=任何系列的行数）。 DataFrames 还定义了一个 size 属性，它返回相同的结果df.shape[0] * df.shape[1].
非空行数：DataFrame.count和Series.count
这里描述的方法只计算非空值（意味着 NaN 被忽略）。
打电话DataFrame.count将返回非 NaN 计数每个柱子：
df.count()
A 5
B 3
dtype: int64对于系列，使用Series.count达到类似的效果：
s.count()
# 3分组行数：GroupBy.size
为了DataFrames， 利用DataFrameGroupBy.size计算每组的行数。
df.groupby('A').size()
A
a 2
b 2
c 1
dtype: int64同样，对于Series，你将使用SeriesGroupBy.size.
s.groupby(df.A).size()
A
a 2
b 2
c 1
Name: B, dtype: int64在这两种情况下，一个Series被退回。这对DataFrames以及因为所有组共享相同的行数。
分组非空行数：GroupBy.count
与上面类似，但使用GroupBy.count， 不是GroupBy.size.注意size总是返回一个Series， 尽管count返回一个Series如果在特定列上调用，否则DataFrame.
以下方法返回相同的内容：
df.groupby('A')['B'].size()
df.groupby('A').size()
A
a 2
b 2
c 1
Name: B, dtype: int64同时，对于count， 我们有
df.groupby('A').count()
B
A
a 2
b 1
c 0…调用整个 GroupBy 对象，与，
df.groupby('A')['B'].count()
A
a 2
b 1
c 0
Name: B, dtype: int64在特定列上调用。
s.shape[0]为系列中的行数工作。
你好，你能看看这个问题吗stackoverflow.com/questions/70954791/…
TL;博士利用len(df)
len()返回列表对象的项目数（长度）（也适用于字典、字符串、元组或范围对象）。因此，要获取 DataFrame 的行数，只需使用len(df).更多关于连功能，见官方页面.
或者，您可以访问所有行和所有列df.index， 和df.columns，分别。由于您可以使用len(anyList)获取元素编号，使用len(df.index)将给出行数，并且len(df.columns)将给出列数。
或者，您可以使用df.shape它返回一起（作为元组）的行数和列数，您可以在其中访问每个项目及其索引。如果要访问行数，请仅使用df.shape[0].对于列数，仅使用：df.shape[1].
@BrendanMetcalfe，我不知道你的数据框可能有什么问题，而没有看到它的数据。你可以检查小脚本 end 看看，确实len适用于获取行数。这是脚本onecompiler.com/python/3xc9nuvrx
除了以前的答案，您可以使用df.axes获取具有行和列索引的元组，然后使用len()功能：
total_rows = len(df.axes[0])
total_cols = len(df.axes[1])这将返回索引对象，这些对象可能是也可能不是原始对象的副本，如果您只是在检查长度后丢弃它们，这是一种浪费。除非您打算对索引做任何其他事情，不使用.
好的，我发现，我应该调用方法而不是检查属性，所以它应该是 df.count() 没有 df.count
^ 危险！请注意
df.count()只会返回每列的非 NA/NaN 行数。你应该使用df.shape[0]相反，它将始终正确地告诉您行数。请注意，当数据框为空时，df.count 不会返回 int（例如，pd.DataFrame(columns=[“Blue”,”Red”).count 不是 0）
可以使用 df.info() 来获取行数（# 个条目）、每列中非空条目的数量、dtypes 和内存使用情况。 df的完整图片。如果您正在寻找一个数字，您可以通过编程方式使用 df.shape[0]。