Pandas value_counts索引出现异常数字的原因咨询

读取flights_2015.csv数据集（维度为(5819079, 31)），使用df['ORIGIN_AIRPORT'].value_counts()统计各机场航班数量时，输出结果中出现了13541、10165等数字索引，但原数据集的ORIGIN_AIRPORT列似乎不存在这类数字，请问原因是什么？

代码及输出 #

df = pd.read_csv('./data/flights_2015.csv', low_memory=False)
print('Dataframe dimensions:', df.shape)

输出：

Dataframe dimensions: (5819079, 31)

count_flights = df['ORIGIN_AIRPORT'].value_counts()

输出：

ATL      346836
ORD      285884
DFW      239551
DEN      196055
LAX      194673
          ...  
13541        11
10165         9
14222         9
13502         6
11503         4

这些数字是FAA（美国联邦航空管理局）分配的机场数字标识符，对应那些没有IATA三字代码的小型机场、通用航空机场或私人机场。

这类航班数据集（比如美国交通部BTS发布的航班数据）的ORIGIN_AIRPORT字段会采用两种标识格式：

• 大型商用机场使用常见的IATA三字码（如ATL、ORD）
• 小型机场则使用FAA的5位数字ID，因为它们未被IATA分配三字代码

你觉得原数据集不存在这类数字，大概率是查看样本数据时只关注了占比更高的大型机场记录，忽略了占比极低的小型机场条目。

1. 查看字段的所有唯一值，确认这些数字确实存在于数据中：

   print(df['ORIGIN_AIRPORT'].unique())
   

2. 检查字段的数据类型，确认这些数字是以字符串形式存储的（low_memory=False会让pandas将该列识别为object类型，避免混合类型解析错误）：

   print(df['ORIGIN_AIRPORT'].dtype)
   

内容的提问来源于stack exchange，提问作者mario119