前导或尾随空格和熊猫value_counts与布尔选择

Question

我正在使用从县治安官部门下载的csv文件创建的数据框。 数据位于此处 ，可以使用read_csv()读取。 数据框包含有关向警长报告并采取行动的事件的信息。 其中一列是发生事件的城市，我试图创建一个表格和图表来显示我所在地区（黑田）的事件数随时间的变化。

当我使用以“ city”作为输入的熊猫的value_counts函数时，我得到

In [86]: compcounts = soco['city'].value_counts()
In [96]: compcounts[0:10]
Out[96]:
SANTA ROSA              55291
WINDSOR                 31711
SONOMA                  28840
GUERNEVILLE              9309
BOYES HOT SPRINGS        8006
PETALUMA                 6103
EL VERANO                5969
GEYSERVILLE              5822
LARKFIELD                5398
FORESTVILLE              5312
dtype: int64`

我所在地区（'Larkfield'）共有5398个报告。 但是当我尝试获取我所在区域的数据框的子集时，使用

larkfieldcomps = soco[soco['city'] == "LARKFIELD"]

它仅返回115个值，而不返回5398：

In [94]: larkcounts = larkfieldcomps['year'].value_counts()
In [95]: larkcounts
Out[95]:
2015    114
2013      1
dtype: int64

我认为问题可能出在某些条目中，事件描述中“ LARKFIELD”之前或之后存在一个或多个空格，因此我进行了搜索/替换以尝试去除任何空格，但是当即使我知道该地区还有更多事件，也可以通过“ LARKFIELD”进行搜索。

这是我关于Stackoverflow的第一个问题...我已经对此进行了研究，但是还没有得出答案。 任何建议，将不胜感激。

Answer 1

我可以在下载数据（并使用默认设置使用read_csv读入数据read_csv ）后对此进行一些解释。 似乎那里有前导或尾随空格。 显然， value_counts足够聪明，可以在加总时忽略它，但是布尔选择更真实。

>>> soco[soco['city'] == "LARKFIELD"].city.count()
122

>>> soco['city2'] = soco.city.str.strip()

>>> soco[soco['city2'] == "LARKFIELD"].city.count()
5520

当我仔细观察时，似乎5398有11个尾随空格，而122没有空格。 这就是区别。 （我不确定为什么您会找到115个而不是122个值，但这很可能是因为缺少一些年份值，但是您还是创建了它。）

但是后来我这样做是为了再次检查value_counts的行为，因为我一直认为前导和尾随空格很重要。

>>> pd.Series( [' foo','foo','foo '] ).value_counts() 
foo     1
foo     1
 foo    1

是的，在这个简单的示例中，前导空格和尾随空格确实很重要。 但是它们不在您的“ soco”数据框中？？？

因此，这里仍然有一些松散的结局，但希望这是弄清这里正在发生的事情的一个好的开始。