Pandas GroupBy：什么时候应该使用'size”和'count”？

区分 Pandas 的“大小”和“计数”以进行分组操作

使用 pandas 的 groupby() 函数时，了解以下内容至关重要： “尺寸”和“数量”之间的区别。这些函数在应用于组计数时看似会产生类似的结果，但有一个细微的差异可能会影响您的数据分析。

“count”函数专门计算组中非空值的数量。这意味着如果组中存在任何缺失值（NaN 或 None），它们将被排除在计数之外。此行为可确保您在计算组计数时仅考虑有效观测值。

另一方面，“size”函数计算组中观测值的总数，包括那些缺失值的观测值。这意味着有效和无效的观察值都会被计算在内，让您更全面地了解该组的大小。

为了说明这种差异，请考虑以下示例：

df = pd.DataFrame({'a': [0, 0, 1, 2, 2, 2], 'b': [1, 2, 3, 4, np.NaN, 4], 'c': np.random.randn(6)})

print(df.groupby(['a'])['b'].count())
print(df.groupby(['a'])['b'].size())

输出将为:

a
0    2
1    1
2    2
Name: b, dtype: int64

a
0    2
1    1
2    3
dtype: int64

如您所见，“count”函数排除了“a=2”组中的 NaN 值，而“尺寸”功能包括它。当您的数据集包含缺失数据并且您需要对其进行适当处理以进行分析时，这种区别至关重要。

以上是Pandas GroupBy：什么时候应该使用'size”和'count”？的详细内容。更多信息请关注PHP中文网其他相关文章！