创建子集数据帧时出现问题[重复]

Question

我正试图更好地理解Python以及为什么我会收到错误。

我有一个带有国家名称的数据框，我想过滤数据集，只显示那些没有重复项的数据。我进入：

df[df['Country Name'].value_counts() == 1]

然而，我得到一个错误

Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match

似乎[df['Country Name'].value_counts（）==1]创建了一个列表，该列表还显示了国家名称和布尔值，而不仅仅是我所期望的布尔值。

此外，我尝试只对一个国家进行过滤，即，df[df['country Name']=='United']，效果非常好。

我只是想理解为什么在一个场景中它起作用，而在另一个场景中它不起作用。我确实注意到后者有一个从0开始的索引，所以也许这就是原因。我只是不明白为什么我在前面的例子中没有收到相同的索引。

有人能解释一下吗？

Answer 1

试试这个-

示例数据为dataframe

>>> df = pd.DataFrame ({"Country Name": ["United States", "Canada", "Spain", "France", "India", "Greece", "United States","Canada"], "Exports": ["beef","corn","cattle","cheese","cattle","cheese","pork","maple syrup"]})

显示dataframe

>>> df
    Country Name      Exports
0  United States         beef
1         Canada         corn
2          Spain       cattle
3         France       cheese
4          India       cattle
5         Greece       cheese
6  United States         pork
7         Canada  maple syrup

除了使用count（）之外，还可以使用groupby（）按“国家/地区名称”返回计数

>>> df.groupby("Country Name")["Country Name"].count()
Country Name
Canada           2
France           1
Greece           1
India            1
Spain            1
United States    2
Name: Country Name, dtype: int64

只显示行count（）==1

>>> df[df['Country Name'].map(df.groupby('Country Name')["Country Name"].count()) == 1]
  Country Name Exports
2        Spain  cattle
3       France  cheese
4        India  cattle
5       Greece  cheese

Answer 2

这里有一个解释...

你提供了国家名称...

df[df['Country Name'] == 'United States']

让我们把这个分开，

df['Country Name'] == 'United States'

为您提供一个系列，该系列的值与原始数据帧的布尔数据长度相同。

现在，当你这么做的时候

df[df['Country Name'] == 'United States']

您将得到只包含“美国”的数据帧，因为熊猫直接比较布尔值，并以“真实”返回行。

现在来看看价值统计。。

df[df['Country Name'].value_counts() == 1]

把这个分开，

df['Country Name'].value_counts() == 1

将仅返回唯一的国家名称，如果它们的计数为==1，则返回布尔格式。如果检查长度，它与df的原始长度不匹配。

现在，当您尝试对数据帧进行子集划分时，您会得到所得到的错误。

解决方案。删除那些像巴勃罗在回答中提到的不止一次出现的国家（我没有尝试过。注意keep=False）。或者，试试下面的。。

如果您想要显示仅出现一次的国家的行，可以尝试地图方式。。

df[df['Country Name'].map(df['Country Name'].value_counts()) == 1]

这将返回数据框，其中包含恰好出现一次的国家。

或

df[df['Country Name'].isin(df['Country Name'].value_counts()[df['Country Name'].value_counts()==1].index)]

Answer 3

您的解决方案不起作用，因为生成的数据帧比原始数据帧短，它们必须具有相同的长度，然后它可以根据布尔值逐行过滤。

另外，我很确定您实际上正在寻找pandas.DataFrame.drop\u副本：

df.drop_duplicates(subset=['Country Name'], keep = False)

它实际上会删除重复的值，在这种情况下，您只需删除“国家/地区名称”，您不想保留第一次或最后一次出现的值，这是保留的其他选项，然后保留=False。

这里有文档。