潘达斯的过滤器-为什么这不起作用？

Question

这是一个基本的问题，所以事先道歉。

我正在使用Pandas，并将数据分组如下：

page_serp_df.groupby([page_serp_df.meta_keywords_1_length]).count()['keyword']

这指的是以下内容：

数据帧：page_serp_df

• Grouping by列：meta_keywords_1_length

• Counting与过滤器：关键字列

我不明白的是，为什么过滤条件必须是‘关键字’，即引号中的字符串？例如，这不起作用，而且对我来说非常违背直觉：

page_serp_df.groupby([page_serp_df.meta_keywords_1_length]).count()[page_serp_df.keyword]

提前感谢！

Answer 1

我认为对于.count()方法返回的内容存在误解。

试着遵循以下示例：

创建一个示例数据框架

df = pd.DataFrame({
    'A':[0,1,0,1, 1],
    'B':[100,200,300, 400, 500],
    'C': [1,2,3,4,5]
})

这就是count()方法在groupby之后返回的内容

# similarly to your example I am grouping by A and counting 
df.groupby([df.A]).count()

​

​

如您所见，count()方法本身返回一个dataframe，其中包含分组列具有相同值的列的每个列值的计数。在此之后，您可以查询一个特定的列形式，返回的count()如下

df.groupby([df.A]).count()['C']

但是你的例子中的第二个例子，在我的例子中，它对应于df.groupby([df.A]).count()[df.C]

会抛出一个错误！

​

​

实际上，您可以通过熊猫df.groupby([df.A]).count()查询数据格式(在本例中是Series )，但正如您所知，您需要一个来自df.columns的字符串或列。

您可以检查一下，df.C和'C'是两种非常不同的变量类型。

print(type(df.C))
print(type('C'))
# <class 'pandas.core.series.Series'>
# <class 'str'>

如果由于某种原因，您的代码仍然可以与df.C相同，那么可能会有一些意外情况，比如df.C的唯一值是一个具有相同列名的字符串。或者是一些非故意的事。