用变量存储分组数据

Question

我对熊猫有一个一般性的问题。 我有一个名为d的DataFrame，其中包含有关公园的大量信息。 所有唯一的公园名称都存储在名为parks的数组中。 还有另一列带有位置ID的列，我想遍历parks数组并打印与该park名称相关的唯一位置ID计数。

d[d['Park']=='AKRO']
len(d['Location'].unique()) 

给了我24824的计数。

x = d[d['Park']=='AKRO']
print(len(x['Location'].unique()))

给我的位置计数为1。为什么？ 我以为这些都一样，除了我将信息存储在变量中。

因此，我尝试的循环自然不起作用。 有人有提示吗？

counts=[]
for p in parks:
    x= d[d['Park']==p]
    y= (len(x['Location'].unique()))
    counts.append([p,y])

Answer 1

第一次设置子集时，您未将d[d['Park'] == 'ARKO']分配给任何对象。 因此，您实际上并没有更改数据。 您仅查看了该数据部分。

现在，当您指定x = d[d['Park']=='AKRO'] ， x只是您使用第一个命令查看的那一部分。 这就是为什么您得到与众不同的原因。

您的for循环实际上仅遍历d的列。 如果希望遍历各行，可以使用以下内容。

for idx, row in d.iterrows():
    print(idx, row)

但是，如果要使用for循环计数位置的数量，则必须循环遍历每个公园。 类似于以下内容。

for park in d['Park'].unique():
    print(park, d.loc[d['Park'] == park, 'Location'].size())

但是，您无需迭代即可实现目标。 首选这种方法。

d.groupby('Park')['Location'].nunique()

Answer 2

您可以尝试类似的方法，

d.groupby('Park')['Location'].nunique()

Answer 3

小心熊猫的DataFrame函数是否会产生内联更改。 例如， d[d['Park']=='AKRO']实际上并没有更改DataFrame d。 但是， x = d[d['Park']=='AKRO']设定的输出d[d['Park']=='AKRO']到x的SO x现在只有1个位置。

您是否手动检查了“ AKRO”有多少个唯一的位置ID？ for循环在y= len(x['Location'].unique())多余的括号之外看起来是正确的