创建子集数据框时遇到问题[重复]

Question

我正在努力更好地理解 Python 以及我收到错误的原因。

我有一个包含国家名称的数据框，我想过滤数据集以仅显示那些没有重复的数据。我输入了：

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

但是，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

[df['Country Name'].value_counts() == 1] 似乎创建了一个列表，其中还显示了国家名称和布尔值，而不是我所期望的简单的布尔值。

另外，我尝试仅在一个国家/地区进行过滤，即df[df['Country Name'] == 'United States']，这非常有效。

我只是想了解为什么在一种情况下它有效，而在另一种情况下却无效。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示例中没有收到相同的索引。

有人可以帮忙解释一下吗？

Answer 1

您的解决方案不起作用，因为生成的数据框比原始数据框短，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，我很确定您实际上是在寻找 pandas.DataFrame.drop_duplicates：

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

它确实会删除重复值，在这种情况下，您会删除'Country Name'，并且您不想保留第一次或最后一次出现，这是keep 的其他选项，然后是keep = False。

文档here。

Answer 2

这里有一个解释..

您已提供国家/地区名称..

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

让我们分开吧，

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

为您提供一个序列，其值与带有布尔数据的原始数据帧的长度一样多。

现在，当你这样做时

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

您将获得仅包含“美国”的数据框，因为 pandas 直接比较布尔值并返回具有“真”的行。

---

现在进行价值计算..

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

分开这个，

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，则为布尔格式。如果检查长度，它与df的原始长度不匹配。

现在，当您尝试对数据框进行子集化时，您会遇到错误。

---

解决方案。像他的回答中提到的 Pablo 一样，删除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..

如果你想要国家只出现一次的行，你可以试试地图方式..

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

这将返回包含恰好出现一次的国家/地区的数据框。

或者

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

Answer 3

试试这个 -

dataframe 的示例数据

>>> 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

使用groupby() 和count() 以返回"Country Name" 的计数

>>> 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count() == 1这一行

>>> 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