Question

我正在研究芝加哥犯罪数据集，并创建了一个名为primary的数据框，这只是犯罪类型。然后，我按犯罪类型分组并计算了犯罪数量。这是相关的代码。

primary = crimes2012[['Primary Type']].copy()
test=primary.groupby('PrimaryType').size().sort_values().reset_index(name='Count')

现在我有一个数据框“ test”，其中包含犯罪及其罪名。我想要做的是将某些罪行合并在一起。例如，“非刑事”和“非刑事”和“非刑事（指定对象）”。但是因为它们现在是行，所以我不知道该怎么做。我正在尝试使用.loc[]

我也尝试使用

test['Primary Type'=='NON-CRIMINAL'] = test['Primary Type'=='NON - CRIMINAL']+test['Primary Type'=='NON-CRIMINAL']+test['Primary Type'=='NON-CRIMINAL (SUBJECT SPECIFIED)']

但是当然只返回布尔值false

Answer 1

您可以在此处查看map或apply-https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.map.html

您将必须创建您的输入到所需输出的映射（作为字典） desired_output = {"NON CRIMINAL": "NON-CRIMINAL", "NC": "NON-CRIMINAL", ...}

并将其应用/映射到您的primary系列，如下所示-

primary = primary.map(desired_output)

然后像现在一样groupby

将数据框列中的相似行合并为一个

1 个答案: