如何用Pandas实现纽约市树木统计及占比计算？

别用逐行遍历的方式，Pandas的核心优势就是向量化操作，既简洁又高效，完全能满足你的需求。以下是具体实现步骤：

1. 预计算全局与行政区的基础统计数据 #

先一次性算出所有必要的汇总数据，避免重复计算：

# 纽约市总树木数量
nyc_total_trees = len(Tree_data)
# 各行政区的总树木数量（假设行政区列名为'borough'，请替换为实际列名）
borough_total_trees = Tree_data['borough'].value_counts()
# 按树种+行政区分组的树木数量，缺失的组合填充0
tree_borough_counts = Tree_data.groupby(['spc_common', 'borough']).size().unstack(fill_value=0)
# 各树种的全市总数
tree_nyc_counts = Tree_data['spc_common'].value_counts()

2. 重构你的formatInfo函数 #

直接用预计算好的数据生成统计结果，不用嵌套循环：

def formatInfo(matched_trees):
    for tree_name in matched_trees:
        print(f"Entry: {tree_name}")
        
        # 全市该树种总数与占比
        total_nyc = tree_nyc_counts.get(tree_name, 0)
        pct_nyc = (total_nyc / nyc_total_trees) * 100 if nyc_total_trees > 0 else 0
        print(f"Total in NYC: {total_nyc} ({pct_nyc:.2f}%)")
        
        # 各行政区的数量与占比
        print("Borough breakdown:")
        for borough in borough_total_trees.index:
            total_borough = tree_borough_counts.loc[tree_name, borough] if tree_name in tree_borough_counts.index else 0
            pct_borough = (total_borough / borough_total_trees[borough]) * 100 if borough_total_trees[borough] > 0 else 0
            print(f"  {borough}: {total_borough} ({pct_borough:.2f}%)")
        print("---")

为什么不用遍历？ #

• 逐行循环在数据量大的时候会非常慢，Pandas的内置方法都是底层优化过的，速度能提升几十甚至上百倍
• 分组统计、值计数这些都是Pandas原生功能，代码更简洁，逻辑也更清晰，后期维护更方便

如果你的行政区列名不是'borough'，直接替换成数据集里的实际列名即可。测试时可以传入单个树种名列表，比如formatInfo(['red maple', 'pin oak'])。

内容的提问来源于stack exchange，提问作者Gabe Stewart-Guido