如何使用Pandas按近海区域类别统计房屋数量？

问题描述 #

我想要统计近海区域（NEAR BAY、<1HR OCEAN、INLAND、NEAR OCEAN、ISLAND）这5类对应的房屋数量，但编写的代码仅返回房屋总条数（20640条），未能得到各区域类别的分组统计结果。以下是我使用的代码：

import pandas as pd

proximities = []

for i in range(20640):
  if not data.ocean_proximity[i] in proximities:
    proximities.append(data.ocean_proximity[i])
proximities

df = pd.DataFrame(data.ocean_proximity)
print(df.count())

当前输出结果为：

ocean_proximity    20640
dtype: int64

期望得到的结果形式如下（数值为示例）：

NEAR BAY       927
<1HR OCEAN     2284
INLAND         2060
NEAR OCEAN     9482
ISLAND         4133

请问如何修改代码实现该需求？是否是Google Colab出现了问题？所用数据文件为：file:///C:/Users/Minerva%20Panganiban/Downloads/housing.pdf

解决方案 #

不是Google Colab的问题，是代码逻辑未实现分组统计需求——df.count()仅统计列的非空值总数，不会按类别分组计数。以下两种方法可以快速实现目标：

方法1：使用value_counts()（推荐） #

Pandas的value_counts()方法专门用于统计分类列的各值出现次数，代码简洁高效：

import pandas as pd

# 直接统计各区域类别数量
category_counts = data.ocean_proximity.value_counts()

# 若需仅保留指定的5类（过滤数据中可能存在的其他分类），可添加以下代码
target_categories = ['NEAR BAY', '<1HR OCEAN', 'INLAND', 'NEAR OCEAN', 'ISLAND']
category_counts = category_counts.reindex(target_categories, fill_value=0)

# 输出结果
print(category_counts)

方法2：使用groupby()分组统计 #

通过groupby按区域类别分组后，用size()统计每组数量，逻辑更直观：

import pandas as pd

# 按区域类别分组并统计数量
category_counts = data.groupby('ocean_proximity').size()

# 筛选指定5类
target_categories = ['NEAR BAY', '<1HR OCEAN', 'INLAND', 'NEAR OCEAN', 'ISLAND']
category_counts = category_counts.reindex(target_categories, fill_value=0)

# 输出结果
print(category_counts)

原代码问题说明 #

原代码中的循环仅收集了不重复的区域类别，未实现计数逻辑；最后调用的df.count()仅返回列的总记录数，因此无法得到分组统计结果。使用上述两种方法即可直接输出你需要的格式。

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