Pandas 函数操作答案

【问题标题】：Pandas function operationsPandas 函数操作
【发布时间】：2017-05-23 20:12:42
【问题描述】：

数据来自美国人口普查局。县是美国各州的政治和地理分区。该数据集包含 2010 年至 2015 年美国各县和州的人口数据。

哪个州的县最多？（提示：仔细考虑 sumlevel 键！以后的问题也需要这个...）

我无法从代码中提取县名。请帮忙

我的代码：

import pandas as pd
import numpy as np
census_df = pd.read_csv('census.csv')
census_df.head()
def answer_five():
    return census_df.groupby('STNAME').COUNTY.sum().max()



answer_five()

【问题讨论】：

这个问题不包括任何样本数据或任何过滤数据的尝试，另外这个问题看起来像家庭作业，所以你需要在这里表现出更多的努力
你只是抄作业吗？
看来答案是here
可以确认这是一道作业题。
发布 Coursera 作业违反了 Coursera 荣誉准则。不要这样做

标签： python pandas pandas-datareader

【解决方案1】：

我们也可以使用sum()函数来做这个问题

def answer_five():
  return census_df.groupby(["STNAME"]).sum()["COUNTY"].idxmax()

使用sum() 它将汇总 COUNTY 列中的所有值，我们可以从中应用idxmax() 来找到县数最多的州。

【讨论】：

【解决方案2】：

import pandas as pd
def answer_five():
    df=census_df.groupby(['STNAME'])
    df=df.sum();
    fd=df['COUNTY'].max()
    df=df[df['COUNTY']==fd]
    return df.index[0]
answer_five()

【讨论】：

简单易行

【解决方案3】：

def answer_five():
    new_df = census_df[census_df['SUMLEV'] == 50]
    x = new_df.groupby('STNAME')
    return x.count()['COUNTY'].idxmax()


answer_five()

【讨论】：

请不要只发布代码作为答案，还要解释您的代码的作用以及它如何解决问题的问题。带有解释的答案通常质量更高，更有可能吸引投票。

【解决方案4】：

实际上，您可以只计算州级的数字，而不是查看县级的详细信息。

这应该有效：

census_df[census_df['SUMLEV']==50].groupby(['STNAME']).size().idxmax()

【讨论】：

【解决方案5】：


def answer_five():
    county = census_df[census_df['SUMLEV']==50]
    county = county.groupby(['STNAME']).count()

    return county['SUMLEV'].idxmax(axis=0)

answer_five()

【讨论】：

【解决方案6】：

只是对整个代码的更正。

首先，根据消息来源，SUMLEV of 50 表示该行是一个县。有两种方法可以回答这个问题。

思考过程（像在 Excel 中一样思考）：您想计算每个州组中“县行”的数量。首先，您创建掩码/条件以选择所有 SUMLEV == 50（“县行”）。然后将它们按STNAME 分组。然后用.size()统计每个分组的行数。

# this is it!
def answer_five():
    mask = (census_df.SUMLEV == 50)
    max_index = census_df[mask].groupby('STNAME').size().idxmax()
    return max_index

# not so elegant
def answer_five():
    census_df['Counts'] = 1
    mask = (census_df.SUMLEV == 50)
    max_index = census_df[mask].groupby('STNAME')['Counts'].sum().idxmax()
    return max_index

不客气。 https://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.GroupBy.size.html

【讨论】：

【解决方案7】：

从.max() 到idxmax() 的更改返回了STNAME 的正确值，而不是一个大整数。

【讨论】：

【解决方案8】：

def answer_five():
    return census_df.groupby('STNAME')['CTYNAME'].count().idxmax()

【讨论】：

虽然此代码可能会回答问题，但提供有关它如何和/或为什么解决问题的额外上下文将提高答案的长期价值。

【解决方案9】：

这是对我有用的答案：

def answer_five():
    return census_df.groupby(["STNAME"],sort=False).sum()["COUNTY"].idxmax()

第一部分创建聚合df

census_df.groupby(["STNAME"],sort=False).sum()

第二部分取你需要的col

["COUNTY"].idxmax()

并返回与max索引对应的值，检查here

【讨论】：

这在我看来是错误的。根据 [co-est2015-alldata.pdf][1]，COUNTY 是 FIPS 代码，它是一个变量 int。根据代码和解释，我相信您正在对这些可能 >= 1 的整数求和，这不是一对一的关系。如果 SUMLEV = 50，这里应该发生一些 +=1 的软性。[1]：www2.census.gov/programs-surveys/popest/technical-documentation/…