pandas.DataFrame.count

DataFrame.count(axis=0, level=None, numeric_only=False) [source]

Подсчёт ненулевых ячеек для каждого столбца или строки.

В качестве значений None, NaN, NaT, и необязательно numpy.inf (в зависимости от pandas.options.mode.use_inf_as_na) считаются пропущенными значениями (NA).

Параметры:

axis : {0 или ‘index’, 1 или ‘columns’}, по умолчанию 0 Если 0 или ‘index’, подсчёт выполняется для каждого столбца. Если 1 или ‘columns’, подсчёт выполняется для каждой строки. level : int или str, необязательно Если ось является MultiIndex, подсчёт выполняется по определённому level, сводя результат в DataFrame. str задаёт имя уровня. numeric_only : boolean, по умолчанию False Включать только float, int или boolean данные.

Возвращает:

Series или DataFrame Для каждого столбца/строки число ненулевых/не-пропущенных элементов. Если level задан, возвращается DataFrame.

См. также

Series.count

количество ненулевых элементов в Series

DataFrame.shape

количество строк и столбцов DataFrame (включая NA элементы)

DataFrame.isna

булевое DataFrame той же размерности, показывающее места NA элементов

Примеры

Создание DataFrame из словаря:

>>> df = pd.DataFrame({"Person":
...                    ["John", "Myla", None, "John", "Myla"],
...                    "Age": [24., np.nan, 21., 33, 26],
...                    "Single": [False, True, True, True, False]})
>>> df
   Person   Age  Single
0    John  24.0   False
1    Myla   NaN    True
2    None  21.0    True
3    John  33.0    True
4    Myla  26.0   False

Обратите внимание на пропущенные значения (NA), которые не учитываются:

>>> df.count()
Person    4
Age       4
Single    5
dtype: int64

Подсчёт для каждой строки:

>>> df.count(axis='columns')
0    3
1    2
2    2
3    3
4    3
dtype: int64

Подсчёт для одного уровня MultiIndex:

>>> df.set_index(["Person", "Single"]).count(level="Person")
        Age
Person
John      2
Myla      1