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!
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:
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: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:这只会给出在
stations.id
中实际找到的站点ID的计数。不工作? http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.count.html
相关问题 更多 >
编程相关推荐