Pandas：数数

Question

在下文中，雄熊猫旅行是一个大熊猫数据框架，而站点是一个小熊猫数据框架。我想知道每个车站都有多少男性乘客。以下操作完成任务，但需要很长时间：

mc = [ sum( male_trips['start_station_id'] == id ) for id in stations['id'] ]

我该怎么做呢？

---

更新！所以主要有两种方法：groupby()然后是size()，以及更简单的.value_counts()。我做了一个快速的timeit，并且groupby方法以相当大的优势获胜！代码如下：

from timeit import Timer
setup = "import pandas; male_trips=pandas.load('maletrips')"
a  = "male_trips.start_station_id.value_counts()"
b = "male_trips.groupby('start_station_id').size()"
Timer(a,setup).timeit(100)
Timer(b,setup).timeit(100)

结果是：

In [4]: Timer(a,setup).timeit(100) # <- this is value_counts
Out[4]: 9.709594964981079

In [5]: Timer(b,setup).timeit(100) # <- this is groupby / size
Out[5]: 1.5574288368225098

注意，在这种速度下，对于探索数据而言，输入“eem”值计数要快得多，记住的也少得多！

Answer 1

我喜欢Vishal，但不想使用sum（）using size（）来获取分配给每组“start_station_I d”的行数。所以：

df = male_trips.groupby('start_station_id').size()

Answer 2

我下面的答案适用于熊猫0.7.3。对新版本不太确定。

这就是pandas.Series.value_counts方法的用途：

count_series = male_trips.start_station_id.value_counts()

然后根据stations['id']中的值直接检查count_series。但是，如果您坚持只考虑这些值，您可以执行以下操作：

count_series = (
                male_trips[male_trips.start_station_id.isin(stations.id.values)]
                    .start_station_id
                    .value_counts()
               )

这只会给出在stations.id中实际找到的站点ID的计数。

Answer 3

male_trips.count()

不工作？ http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.count.html