我正在尝试查找一列中某个值出现的次数。我使用以下代码创建了dataframe： data = pd.DataFrame.from_csv('data/DataSet2.csv')，现在我想要找到一列中某个值出现的次数。应该怎么做？
我认为应该像下面这样，在教育列中查找并计算?出现的次数。
下面的代码显示我正在尝试找到9th出现的次数，错误是当我运行代码时得到的：
代码
missing2 = df.education.value_counts()['9th']
print(missing2)
错误
KeyError: '9th'
您可以根据条件创建数据的子集，然后使用shape或len：
print df
col1 education
0 a 9th
1 b 9th
2 c 8th
print df.education == '9th'
0 True
1 True
2 False
Name: education, dtype: bool
print df[df.education == '9th']
col1 education
0 a 9th
1 b 9th
print df[df.education == '9th'].shape[0]
2
print len(df[df['education'] == '9th'])
2
性能很重要，最快的解决方案是比较numpy数组和sum：
代码:
import perfplot, string
np.random.seed(123)
def shape(df):
return df[df.education == 'a'].shape[0]
def len_df(df):
return len(df[df['education'] == 'a'])
def query_count(df):
return df.query('education == "a"').education.count()
def sum_mask(df):
return (df.education == 'a').sum()
def sum_mask_numpy(df):
return (df.education.values == 'a').sum()
def make_df(n):
L = list(string.ascii_letters)
df = pd.DataFrame(np.random.choice(L, size=n), columns=['education'])
return df
perfplot.show(
setup=make_df,
kernels=[shape, len_df, query_count, sum_mask, sum_mask_numpy],
n_range=[2**k for k in range(2, 25)],
logx=True,
logy=True,
equality_check=False,
xlabel='len(df)')
有几种方法可以使用count或sum函数。
In [338]: df
Out[338]:
col1 education
0 a 9th
1 b 9th
2 c 8th
In [335]: df.loc[df.education == '9th', 'education'].count()
Out[335]: 2
In [336]: (df.education == '9th').sum()
Out[336]: 2
In [337]: df.query('education == "9th"').education.count()
Out[337]: 2
一种优雅的方法来计算在任何列中出现 '?' 或任何符号的次数，是使用dataframe对象的内置函数isin。
假设我们已经将'Automobile' 数据集加载到了df对象中。
我们不知道哪些列包含缺失值('?'符号)，所以让我们这样做：
df.isin(['?']).sum(axis=0)
DataFrame.isin(values)官方文档描述如下:
返回一个布尔值的DataFrame，用于显示DataFrame中的每个元素是否包含在values中。
请注意，isin接受一个可迭代对象作为输入，因此我们需要将目标符号放入列表中传递给此函数。 df.isin(['?']) 将返回以下布尔值数据帧。
symboling normalized-losses make fuel-type aspiration-ratio ...
0 False True False False False
1 False True False False False
2 False True False False False
3 False False False False False
4 False False False False False
5 False True False False False
...
axis=0。
最终（截断）结果显示了我们所期望的：symboling 0
normalized-losses 41
...
bore 4
stroke 4
compression-ratio 0
horsepower 2
peak-rpm 2
city-mpg 0
highway-mpg 0
price 4
试试这个：
(df[education]=='9th').sum()
pd.Series，其中布尔值为 True，当列 df['education'] 的条目等于 '9th' 时，否则为 False。sum() 将计算 True 值的数量。 - ruslaniv在Pandas数据框中，计算一列中出现的次数（唯一值）的简单示例：
import pandas as pd
# URL to .csv file
data_url = 'https://yoursite.com/Arrests.csv'
# Reading the data
df = pd.read_csv(data_url, index_col=0)
# pandas count distinct values in column
df['education'].value_counts()
输出:
Education 47516
9th 41164
8th 25510
7th 25198
6th 25047
...
3rd 2
2nd 2
1st 2
Name: name, Length: 190, dtype: int64
简单但效率低下：
list(df.education).count('9th')
如果要查找某列的特定值，您可以使用以下代码：
不论您的偏好如何，您都可以使用任何您喜欢的方法。
df.col_name.value_counts().Value_you_are_looking_for
以铁达尼号数据集为例
df.Sex.value_counts().male
这将计算船上所有男性的数量。但是，如果您想计算数值数据，则不能使用上述方法，因为value_counts()仅用于系列类型的数据，因此失败。
因此，您可以使用第二种方法示例来替代。第二种方法是：
#this is an example method of counting on a data frame
df[(df['Survived']==1)&(df['Sex']=='male')].counts()
虽然不如使用value_counts()高效，但这个方法可以帮助您计算数据框中的值计数。 希望这能有所帮助。
编辑--如果你想在中间有空格的地方查找某些内容
你可以使用
df.country.count('united states')我相信这应该可以解决问题。
我认为这可能是一个更简单的解决方案。假设您有以下数据框。
DATE LANG POSTS
2008-07-01 c# 3
2008-08-01 assembly 8
2008-08-01 javascript 2
2008-08-01 c 85
2008-08-01 python 11
2008-07-01 c# 3
2008-08-01 assembly 8
2008-08-01 javascript 62
2008-08-01 c 85
2008-08-01 python 14
你可以像这样找到LANG项目的总和
df.groupby('LANG').sum()
然后你将得到每种编程语言的总和
df.education.value_counts()['?']应该是正确的。但它给你的是什么？（展示一些代码和实际输出） - jorisprint df[df.education == '9th'].count()。 - jezrael(df['Column'].values == 'a').sum()。 - Wizhi