如何使用Pandas基于地区统计数据集中吸烟为Yes的人数？

这里有几种简单直接的方法可以实现你的需求：

方法1：先筛选吸烟人群再分组计数 #

先过滤出smoker为"Yes"的行，再按region分组统计数量：

# 确保列名和你的数据集一致（注意大小写）
smokers_by_region = data[data['smoker'] == 'Yes'].groupby('region').size()

size()会返回每个地区的行数，也就是对应地区的吸烟人数。

方法2：分组后直接统计符合条件的数量 #

利用布尔值在Pandas中会被当作1和0计算的特性，分组后直接求和得到符合条件的数量：

# 简洁写法：先判断是否为"Yes"，再按地区分组求和
smokers_by_region = data.groupby('region')['smoker'].eq('Yes').sum()

这种方法无需提前筛选，直接在分组内完成统计。

方法3：用交叉表查看完整分布 #

如果想同时看到各地区吸烟/不吸烟的人数对比，可以用交叉表：

import pandas as pd
pd.crosstab(data['region'], data['smoker'])

结果里的"Yes"列就是你需要的各地区吸烟人数。

你之前代码的问题说明： #

• data.groupby('Region').count()：这个会统计每个地区下所有列的非空值数量，不是仅统计吸烟的人数，不符合需求。
• data.groupby('Region').apply(lambda g: pd.Series(g['Smoker'].str.contains("y").count()))：count()在这里返回的是该组的总行数（不管是否匹配"y"），要统计匹配的数量应该换成sum()。
• data['Smoker'].value_counts().reindex(['Region'])：value_counts()是统计Smoker列的取值分布，和Region列完全无关，逻辑不成立。

内容的提问来源于stack exchange，提问作者aiellestad