Question

我试图查找某个值出现在一列中的次数。

我使用data = pd.DataFrame.from_csv('data/DataSet2.csv')

创建了数据框

现在我想查找某些内容出现在列中的次数。这是怎么做到的？

我认为这是下面的内容，我在教育专栏中查看并计算?发生的时间。

下面的代码显示我正在尝试查找9th出现的次数，并且错误是我在运行代码时获得的错误

代码

missing2 = df.education.value_counts()['9th']
print(missing2)

错误

KeyError: '9th'

Answer 1

您可以根据自己的条件创建subset个数据，然后使用shape或len：

print df
  col1 education
0    a       9th
1    b       9th
2    c       8th

print df.education == '9th'
0     True
1     True
2    False
Name: education, dtype: bool

print df[df.education == '9th']
  col1 education
0    a       9th
1    b       9th

print df[df.education == '9th'].shape[0]
2
print len(df[df['education'] == '9th'])
2

性能很有趣，最快的解决方案是比较numpy数组和sum：

<强>代码：

import perfplot, string
np.random.seed(123)


def shape(df):
    return df[df.education == 'a'].shape[0]

def len_df(df):
    return len(df[df['education'] == 'a'])

def query_count(df):
    return df.query('education == "a"').education.count()

def sum_mask(df):
    return (df.education == 'a').sum()

def sum_mask_numpy(df):
    return (df.education.values == 'a').sum()

def make_df(n):
    L = list(string.ascii_letters)
    df = pd.DataFrame(np.random.choice(L, size=n), columns=['education'])
    return df

perfplot.show(
    setup=make_df,
    kernels=[shape, len_df, query_count, sum_mask, sum_mask_numpy],
    n_range=[2**k for k in range(2, 25)],
    logx=True,
    logy=True,
    equality_check=False, 
    xlabel='len(df)')

Answer 2

使用count或sum

的几种方式

In [338]: df
Out[338]:
  col1 education
0    a       9th
1    b       9th
2    c       8th

In [335]: df.loc[df.education == '9th', 'education'].count()
Out[335]: 2

In [336]: (df.education == '9th').sum()
Out[336]: 2

In [337]: df.query('education == "9th"').education.count()
Out[337]: 2

Answer 3

尝试一下：

(df[education]=='9th').sum()

Answer 4

一种计算'?'或任何符号在任何列中出现的一种优雅方法是使用数据框对象的内置函数 isin 。

假设我们已将“汽车” dataset加载到df对象中。我们不知道哪些列包含缺失值（'?'符号），所以请这样做：

df.isin(['?']).sum(axis=0)

DataFrame.isin(values)官方文件说：

它返回布尔数据框，显示数据框中的每个元素是否包含在值中

请注意，isin接受 iterable 作为输入，因此我们需要将包含目标符号的列表传递给此函数。 df.isin(['?'])将按如下所示返回布尔数据框。

    symboling   normalized-losses   make    fuel-type   aspiration-ratio ...
0   False       True                False   False       False
1   False       True                False   False       False
2   False       True                False   False       False
3   False       False               False   False       False
4   False       False               False   False       False
5   False       True                False   False       False
...

要计算目标符号在每一列中的出现次数，我们通过指示sum，将axis=0应用于上述数据框的所有行。最终（截断）结果显示了我们的期望：

symboling             0
normalized-losses    41
...
bore                  4
stroke                4
compression-ratio     0
horsepower            2
peak-rpm              2
city-mpg              0
highway-mpg           0
price                 4

Answer 5

要查找列的特定值，可以使用下面的代码

无论喜好如何，您都可以使用任何喜欢的方法

df.col_name.value_counts().Value_you_are_looking_for

以泰坦尼克号数据集为例

df.Sex.value_counts().male

这给出了船上所有雄性的数量尽管如果您想对数值数据进行计数，则不能使用上述方法，因为value_counts（）仅用于系列数据类型，因此会失败因此，您可以使用第二个方法示例

第二种方法是

#this is an example method of counting on a data frame
df[(df['Survived']==1)&(df['Sex']=='male')].counts()

这不像value_counts（）那样有效，但是如果您要计算数据帧的值肯定会有所帮助希望这会有所帮助

Answer 6

简单但不高效：

list(df.education).count('9th')

Answer 7

计算 Pandas 数据框中列中出现次数（唯一值）的简单示例：

import pandas as pd

# URL to .csv file 
data_url = 'https://yoursite.com/Arrests.csv'
# Reading the data 
df = pd.read_csv(data_url, index_col=0)
# pandas count distinct values in column 
df['education'].value_counts()

输出：

Education        47516 
9th              41164 
8th              25510 
7th              25198 
6th              25047                       
...  
3rd                 2 
2nd                 2 
1st                 2 
Name: name, Length: 190, dtype: int64

Python Pandas计算特定值的出现次数

7 个答案: