如何在Pandas中对索引列应用字符串拆分并统计截断邮编计数

问题分析 #

你当前的DataFrame由value_counts生成，索引为完整邮编，count列记录对应出现次数。之前用apply(axis=0)报错，是因为axis=0是对列执行函数，但你要处理的是行索引的字符串，且apply并非最优的矢量化操作方式。

高效解决方案 #

无需修改原DataFrame索引，也不用重新生成原始邮编列表，直接基于现有value_count_df做矢量化操作即可，两种方式任选：

方式1：直接操作索引分组

利用Pandas字符串矢量化方法处理索引，再按拆分后的前缀分组求和：

# 拆分索引中的邮编，取空格前的第一部分，分组统计总次数
result = value_count_df.groupby(value_count_df.index.str.split(" ").str[0])["count"].sum()

方式2：将索引转为列后处理

如果觉得操作索引不习惯，可先把索引转成普通列，处理后再分组：

# 重置索引，将邮编从索引转为列
temp_df = value_count_df.reset_index()
# 生成邮编前缀列（拆分后取第一部分）
temp_df["postcode_prefix"] = temp_df["Postcode"].str.split(" ").str[0]
# 按前缀分组求和，按需排序索引
result = temp_df.groupby("postcode_prefix")["count"].sum().sort_index()

为何之前的apply会报错？ #

你使用value_count_df.apply(split_postcode, axis=0)时，axis=0表示对每一列应用函数，但split_postcode是处理字符串的逻辑，而count列是数值类型，执行时会因类型不匹配抛出ValueError。此外，这种逐元素的apply效率远不如上面的矢量化分组操作。

内容的提问来源于stack exchange，提问作者user2138149