从现有数据帧的子集自动创建数据帧

Question

我正在使用kaggle New York City Airbnb Open Data，该数据可在此处获得：https://www.kaggle.com/dgomonov/new-york-city-airbnb-open-data

该数据包含一列“neighbourhood _groups”和“neighbourhood”，前者由纽约市的5个区组成，后者由每个邻居组中的邻区组成。

我用以下代码创建了曼哈顿社区的一个子集：

airbnb_manhattan = airbnb[airbnb['neighbourhood_group'] == 'Manhattan']

我想按邻居创建此数据帧的更多子集。然而，有32个邻居，所以我想自动化这个过程。

这是我尝试过的代码：

manhattan_neighbourhoods = list(airbnb_manhattan['neighbourhood'].unique())

neighbourhoods = pd.DataFrame()

for n in manhattan_neighbourhoods:
    neighbourhoods[n] = pd.DataFrame(affordable_manhattan[affordable_manhattan['neighbourhood'] == manhattan_neighbourhoods[n]])

这将生成以下错误消息：

TypeError:列表索引必须是整数或切片，而不是字符串

谢谢。

Answer 1

除非绝对必要，否则不应复制到新的dfs中。尽可能多地使用完整的df进行分析。使用.groupby，如下所示

by_neigh = airbnb.groupby('neighbourhood_group')

然后根据需要使用.agg、.apply或.transform。或者作为最后的手段，您可以使用

for neigh, rows in by_neigh:

或者只获得一个组，

by_neigh.get_group('Manhattan')

这样做的好处是底层数据不会被复制到绝对必要的时候，pandas可以根据需要使用不同的过滤器和切片来查看相同的数组。

在docs中阅读更多内容