如何获取Dask DataFrame的形状？调用.shape报AttributeError的解决方法

嘿，这个问题我之前也碰到过！Dask DataFrame因为是分布式延迟计算的结构，和Pandas那种全量加载到内存的DataFrame不一样，所以直接调用.shape会抛出AttributeError。别担心，这里有两种靠谱的解决方式：

方法1：高效获取（强烈推荐） #

如果你的Dask版本是2021.06及以后的较新版本，其实已经支持shape属性了——不过它返回的元组里，行数是个延迟计算对象，得用.compute()触发计算才能拿到具体数值，列数则可以直接获取：

# 直接拿到列数，不需要任何计算
num_cols = df.shape[1]

# 触发计算获取行数，不会把全量数据加载到内存
num_rows = df.shape[0].compute()

# 组合成完整的形状元组
full_shape = (num_rows, num_cols)

要是你用的是比较旧的Dask版本，不支持shape属性也没关系：

• 列数：直接用len(df.columns)就能轻松拿到
• 行数：用df.size.compute()更高效（size是所有元素的总数，除以列数就是总行数），或者也可以用df.count().sum().compute()，不过前者性能更好

方法2：转成Pandas DataFrame再获取（仅适合小数据） #

如果你的数据集很小，能完全塞进本地内存，也可以先把Dask DataFrame转成Pandas的，再用熟悉的.shape：

# 注意：仅适合小数据集！会把所有数据加载到内存
pandas_df = df.compute()
shape = pandas_df.shape

这种方法别在大数据场景用，很容易内存溢出，只适合测试小样本的时候用。

总之，优先用方法1，既高效又不会有内存压力，完全适配Dask的分布式特性～

内容的提问来源于stack exchange，提问作者user1559897