Pandas подсчитывает строки с условием в Python

Чтобы подсчитать строки в Pandas с условием, вы можете использовать df.shape или len() для прямого подсчета, df.index для длины индекса, df.apply() с лямбдой для пользовательских условий, df.query() для на основе запроса. фильтрация, np.where() для условного индексирования, df.count() для ненулевых записей, df.groupby().size() для категориальных данных и понимание списков для Pythonic-подхода.

• 1. Используя df.shape
• 2. С использованием функции len()
• 3. С использованием функции df.index()
• 4. С использованием df.apply() с лямбда-функцией
• 5. С помощью функции df.query()
• 6. Используя функцию np.where()
• 7. Используя функцию df.count()
• 8. Используя функцию df.groupby().size()
• 9. С использованием понимания списка
• Заключение

1. Используя df.shape

Этот метод включает фильтрацию DataFrame в Python Pandas на основе условия, а затем использование атрибута формы, который возвращает кортеж, где первым элементом является количество строк.

Вот как мы можем использовать функцию df.shape в Pandas для подсчета строк с условием в Python:

import pandas as pd

df = pd.DataFrame({'State': ['California', 'New York', 'Texas'], 'Sales': [60000, 40000, 80000]})
count_california = df[(df['State'] == 'California') &(df['Sales'] > 50000)].shape[0]
print("California Sales > $50,000:", count_california)

Выход:

California Sales > $50,000: 1

Ниже приведен снимок экрана, сделанный после реализации кода в редакторе Pycharm.

2. С использованием функции len()

Мы можем применить условие для фильтрации DataFrame в Python, а затем использовать функцию len() для подсчета количества строк в отфильтрованном DataFrame.

Вот код подсчета строк Python с условием в Python с использованием функции len():

import pandas as pd

parks_data = pd.DataFrame({
    'Park': ['Great Smoky Mountains', 'Grand Canyon', 'Rocky Mountain', 'Yosemite', 'Yellowstone'],
    'Area_sq_miles': [522, 1902, 265, 1189, 3471]
})
large_parks = len(parks_data[parks_data['Area_sq_miles'] > 1000])
print("Parks > 1000 sq miles:", large_parks)

Выход:

Parks > 1000 sq miles: 3

Результат выполнения кода в Pycharm показан на снимке экрана ниже.

3. С использованием функции df.index()

Этот метод будет фильтровать DataFrame на основе нашего условия в Python, а затем подсчитывать количество строк, получая длину его индекса с помощью функции Pandas df.index().

Вот как мы можем использовать функцию df.index() в Pandas для подсчета строк с условием в Python:

import pandas as pd

gdp_data = pd.DataFrame({
    'State': ['California', 'Texas', 'New York', 'Florida', 'Illinois'],
    'GDP_Billion': [3027, 1806, 1690, 1073, 857]
})
rich_states = len(gdp_data[gdp_data['GDP_Billion'] > 1500].index)
print("States with GDP > $1500 Billion:", rich_states)

Выход:

States with GDP > $1500 Billion: 3

Вот снимок экрана, иллюстрирующий выходные данные после реализации кода в редакторе Pycharm.

4. С использованием df.apply() с лямбда-функцией

Мы можем использовать метод apply() с лямбда-функцией для применения условия по строкам. Подсчитайте ряды, удовлетворяющие этому условию.

Вот код для использования apply() с лямбда-функцией для строк подсчета Pandas с условием в Python:

import pandas as pd

senators_data = pd.DataFrame({
    'Senator': ['Bernie Sanders', 'Mitch McConnell', 'Kamala Harris', 'Ted Cruz', 'Elizabeth Warren'],
    'Age': [79, 79, 56, 50, 71]
})
senior_senators = len(senators_data[senators_data.apply(lambda x: x['Age'] > 70, axis=1)])
print("Senators > 70 years old:", senior_senators)

Выход:

Senators > 70 years old: 3

После реализации кода в редакторе Pycharm соответствующий снимок экрана представлен ниже.

5. С помощью функции df.query()

Этот метод фильтрует строки, используя строковое выражение в качестве условия внутри метода query() в Python, а затем подсчитывает длину результирующего DataFrame.

Вот как мы будем использовать метод query() для строк подсчета Pandas с условием в Python:

import pandas as pd

uni_data = pd.DataFrame({
    'University': ['Harvard', 'MIT', 'Stanford', 'UCLA', 'Columbia'],
    'Students': [31000, 11500, 17000, 45000, 31000]
})
large_universities = len(uni_data.query("Students > 20000"))
print("Universities with > 20,000 students:", large_universities)

Выход:

Universities with > 20,000 students: 3

Ниже представлен скриншот, на котором показан результат реализации кода в редакторе Pycharm.

6. Используя функцию np.where()

Этот метод использует функцию np.where() в Python для создания массива индексов на основе условия, а затем суммирует их для подсчета строк, удовлетворяющих условию.

Вот пример, который расскажет вам, как использовать функцию np.where в Pandas для подсчета строк с условиями в Python:

import pandas as pd
import numpy as np

temp_data = pd.DataFrame({
    'State': ['Alaska', 'Florida', 'Maine', 'Texas', 'Arizona'],
    'Avg_Temp_F': [26, 71, 45, 65, 75]
})
warm_states = np.sum(np.where(temp_data['Avg_Temp_F'] > 60, 1, 0))
print("States with Avg. Temp > 60F:", warm_states)

Выход:

States with Avg. Temp > 60F: 3

Результат выполнения кода в Pycharm показан на снимке экрана ниже.

7. Используя функцию df.count()

После фильтрации DataFrame на основе условия мы можем использовать count() для определенного столбца, чтобы получить количество записей, отличных от NA/null, что является количеством строк.

Это использование функции df.count() для подсчета строк с условием в Python Pandas:

import pandas as pd

company_data = pd.DataFrame({
    'Company': ['Apple', 'Google', 'Microsoft', 'Amazon', 'Facebook'],
    'Revenue_Billion': [274.5, 182.5, 143, 386, 86]
})
complete_revenue_data = company_data['Revenue_Billion'].count()
print("Companies with Complete Revenue Data:", complete_revenue_data)

Выход:

Companies with Complete Revenue Data: 5

Ниже показан снимок экрана, иллюстрирующий выходные данные после выполнения кода в редакторе Pycharm.

8. Используя функцию df.groupby().size()

Этот метод полезен для категориальных данных. Сгруппируйте данные по категориям и используйте функцию size() для подсчета строк в каждой группе.

Вот как мы можем использовать функцию df.groupby().size() для подсчета строк Pandas с условием в Python:

import pandas as pd

movie_data = pd.DataFrame({
    'Movie': ['Avengers', 'Titanic', 'Inception', 'The Godfather', 'Joker'],
    'Genre': ['Action', 'Romance', 'Sci-Fi', 'Drama', 'Thriller']
})
movies_by_genre = movie_data.groupby('Genre').size()
print("Number of Movies by Genre:\n", movies_by_genre)

Выход:

Number of Movies by Genre:
 Genre
Action      1
Drama       1
Romance     1
Sci-Fi      1
Thriller    1
dtype: int64

На следующем снимке экрана показаны результаты после реализации кода в редакторе Pycharm.

9. С использованием понимания списка

Мы можем реализовать понимание списка, чтобы перебирать каждую строку, применять условие и суммировать количество выполнений условия.

Вот пример подсчета строк Pandas с условием в Python с использованием понимания списка:

import pandas as pd

river_data = pd.DataFrame({
    'River': ['Mississippi', 'Missouri', 'Yukon', 'Rio Grande', 'Arkansas'],
    'Length_miles': [2340, 2341, 1980, 1885, 1460]
})
long_rivers = sum([1 for _, row in river_data.iterrows() if row['Length_miles'] > 2000])
print("Rivers > 2000 miles:", long_rivers)

Выход:

Rivers > 2000 miles: 2

Ниже показан снимок экрана, сделанный после реализации кода в редакторе Pycharm.

Заключение

Понимание различных методов подсчета строк Pandas с условием в Python необходимо для эффективного анализа данных. Такие методы, как df.shape, len(), df.index, df.apply() с лямбда-функцией, df.query(), np.where(), df.count(), df.groupby().size() и понимание списков.