如何用Pandas将Fare列除以Ticket列对应值的出现次数？

实现思路 #

要将Fare列的总费用转换为单人费用，只需对每个Ticket分组统计条目数（同票号乘客数），再将对应Fare除以该数值。使用Pandas的groupby.transform方法可以直接为每行返回对应分组的大小，避免手动处理字典时容易出现的unhashable object错误。

完整代码示例 #

import pandas as pd

# 加载数据集
df = pd.read_csv('https://raw.githubusercontent.com/datasciencedojo/datasets/master/titanic.csv')

# 生成每个Ticket对应的乘客数量，返回与原数据行数一致的Series
ticket_passenger_count = df.groupby('Ticket')['Ticket'].transform('count')

# 计算单人票价，存入新列
df['Individual_Fare'] = df['Fare'] / ticket_passenger_count

# 若需覆盖原Fare列，执行以下代码
# df['Fare'] = df['Fare'] / ticket_passenger_count

# 查看结果样例
print(df[['Ticket', 'Fare', 'Individual_Fare']].head())

错误原因分析 #

你之前用字典或value_counts()时出现unhashable object错误，大概率是因为错误地将Series对象作为字典的键或映射依据。比如直接用df['Ticket'].map(df['Ticket'].value_counts())虽然看似可行，但如果代码中不小心传递了未正确处理的Series（而非其索引值），就会触发哈希错误。而groupby.transform是更可靠的方式，它会自动为每行匹配对应分组的统计值。

内容的提问来源于stack exchange，提问作者Atlas