如何基于WHY_DELAY列条件，按OP_CARRIER统计延误航班数量

数据详情 #

以下是迈阿密国际机场的航班数据：

• 每行代表一班飞往迈阿密国际机场的航班
• WHY_DELAY列记录延误原因，值为0表示航班准点

需求目标 #

按OP_CARRIER（航空公司）统计延误航班的数量。

当前尝试代码 #

df.loc[(df['WHY_DELAY']!= 0)].groupby('OP_CARRIER').value_counts()

问题修正与优化方案 #

当前代码的问题是groupby('OP_CARRIER')后调用value_counts()会对所有列进行计数，无法直接得到各航空公司的延误航班总数。推荐以下几种简洁有效的写法：

方法1：筛选后分组计数 #

df[df['WHY_DELAY'] != 0].groupby('OP_CARRIER').size()

方法2：直接统计筛选后的航空公司频次 #

df[df['WHY_DELAY'] != 0]['OP_CARRIER'].value_counts()

方法3：标记延误状态后求和 #

# 新增延误状态列，延误为True（即1），准点为False（即0）
df['is_delayed'] = df['WHY_DELAY'] != 0
# 按航空公司分组求和得到延误数量
df.groupby('OP_CARRIER')['is_delayed'].sum()

以上三种方法都能得到正确结果：WN、AA各有1班延误航班，DL无延误。

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