大熊猫的大小和数量有什么区别？

Question

这是pandas中groupby("x").count和groupby("x").size之间的区别吗？

大小只是排除nil吗？

Answer 1

size包含NaN个值，count不包含：

In [46]:
df = pd.DataFrame({'a':[0,0,1,2,2,2], 'b':[1,2,3,4,np.NaN,4], 'c':np.random.randn(6)})
df

Out[46]:
   a   b         c
0  0   1  1.067627
1  0   2  0.554691
2  1   3  0.458084
3  2   4  0.426635
4  2 NaN -2.238091
5  2   4  1.256943

In [48]:
print(df.groupby(['a'])['b'].count())
print(df.groupby(['a'])['b'].size())

a
0    2
1    1
2    2
Name: b, dtype: int64

a
0    2
1    1
2    3
dtype: int64 

Answer 2

只是为@ Edchum的答案添加一点，即使数据没有NA值，count（）的结果也更详细，使用之前的例子：

grouped = df.groupby('a')
grouped.count()
Out[197]: 
   b  c
a      
0  2  2
1  1  1
2  2  3
grouped.size()
Out[198]: 
a
0    2
1    1
2    3
dtype: int64

Answer 3

  

大熊猫的大小和数量有什么区别？

其他答案指出了不同之处，但是说“ size计数NaN而count不计数是不完全准确的。尽管size确实计入了NaN，但这实际上是由于 size返回对象的 size （或长度）它被调用。当然，这还包括NaN的行/值。

因此，总而言之，size返回Series / DataFrame ¹ 的大小，

df = pd.DataFrame({'A': ['x', 'y', np.nan, 'z']})
df

     A
0    x
1    y
2  NaN
3    z

df.A.size
# 4

...而count则计算非NaN值：

df.A.count()
# 3 

请注意，size是一个属性（与len(df)或len(df.A)的结果相同）。 count是一个函数。

_{1。 DataFrame.size也是一个属性，它返回DataFrame中的元素数（行x列）。}

---

具有GroupBy的行为-输出结构

除了基本区别外，调用GroupBy.size()与GroupBy.count()时生成的输出的结构也有所不同。

df = pd.DataFrame({'A': list('aaabbccc'), 'B': ['x', 'x', np.nan, np.nan, np.nan, np.nan, 'x', 'x']})
df
   A    B
0  a    x
1  a    x
2  a  NaN
3  b  NaN
4  b  NaN
5  c  NaN
6  c    x
7  c    x

考虑，

df.groupby('A').size()

A
a    3
b    2
c    3
dtype: int64

对，

df.groupby('A').count()

   B
A   
a  2
b  0
c  2

在所有列上调用GroupBy.count时，

count返回一个DataFrame，而GroupBy.size返回一个Series。

原因是size对于所有列都是相同的，因此仅返回单个结果。同时，每列都会调用count，因为结果取决于每列有多少NaN。

---

具有pivot_table的行为

另一个示例是pivot_table如何处理此数据。假设我们要计算

的交叉表

df

   A  B
0  0  1
1  0  1
2  1  2
3  0  2
4  0  0

pd.crosstab(df.A, df.B)  # Result we expect, but with `pivot_table`.

B  0  1  2
A         
0  1  2  1
1  0  0  1

使用pivot_table，您可以发出size：

df.pivot_table(index='A', columns='B', aggfunc='size', fill_value=0)

B  0  1  2
A         
0  1  2  1
1  0  0  1

但是count无效；返回一个空的DataFrame：

df.pivot_table(index='A', columns='B', aggfunc='count')

Empty DataFrame
Columns: []
Index: [0, 1]

我认为，这样做的原因是必须对传递给'count'参数的系列进行values，并且当不传递任何内容时，熊猫决定不做任何假设。

Answer 4

当我们处理普通数据帧时，只有差异将包含NAN值，意味着计数在计算行时不包括NAN值。

但是，如果我们在groupby使用这些函数，那么为了通过count()得到正确的结果，我们必须将任何数字字段与groupby相关联，以获得确切的数字size()所在的组不需要这种类型的关联。

Answer 5

除了以上所有答案外，我还要指出另外一个我认为很重要的区别。

您可以将Panda的Datarame大小和计数与Java的Vectors大小和长度相关联。创建矢量时，会为其分配一些预定义的内存。当我们接近添加元素时可以占用的元素数量时，会为其分配更多的内存。同样，在DataFrame中，当我们添加元素时，分配给它的内存会增加。

Size属性给出分配给DataFrame的存储单元的数量，而count给出DataFrame中实际存在的元素的数量。例如，

您可以看到DataFrame中有3行，其大小为6。

此答案涵盖了关于DataFrame而非Pandas Series的大小和计数差异。我尚未检查Series

会发生什么