如何按county统计实例数量并关联至单county单行数据表

下面是几种主流工具的实现方式，覆盖数据库、Python、R场景，都是通用的统计方案：

SQL 数据库实现 #

不管用MySQL、PostgreSQL还是SQL Server，都可以用这个语句生成每个county一行的统计表：

SELECT county, COUNT(*) AS accident_count
FROM accident_records
GROUP BY county;

• GROUP BY county 将同属一个county的记录归为一组
• COUNT(*) 统计每组内的记录总数，别名accident_count就是该county的事故实例数

如果需要给原表的每条记录都添加上对应county的总事故数，可以用窗口函数：

SELECT *,
       COUNT(*) OVER (PARTITION BY county) AS county_total_accidents
FROM accident_records;

Python Pandas 实现 #

处理本地数据集时常用的方案：

import pandas as pd

# 假设你的数据存储在DataFrame df中
county_stats = df.groupby('county').size().reset_index(name='accident_count')

• groupby('county') 按county分组
• size() 统计每组的记录数
• reset_index() 将分组索引转为普通列，name参数指定统计列的名称

要是想给原表的每条记录追加对应county的统计值：

df['county_accident_count'] = df.groupby('county')['county'].transform('count')

R 语言实现 #

用dplyr包可以快速实现：

library(dplyr)

# 生成每个county一行的统计数据表
county_stats <- accident_records %>%
  group_by(county) %>%
  summarise(accident_count = n(), .groups = 'drop')

• group_by(county) 按county分组
• summarise(n()) 统计每组的记录数
• .groups = 'drop' 取消分组状态，得到标准的二维数据表

给原表添加对应county的统计值：

accident_records <- accident_records %>%
  group_by(county) %>%
  mutate(county_accident_count = n()) %>%
  ungroup()

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