Pandas如何遍历列将受访者归入对应收入区间统计？

你报错的核心原因是初始化了列表（如low_inc = []）却执行+=1操作——列表的+=要求传入可迭代对象（比如另一个列表），但整数1不属于可迭代类型，因此触发'int' object is not iterable错误。另外还要注意样本中收入字符串的格式差异（比如部分区间没有$、减号是全角−），和你代码里的判断字符串不匹配会导致统计结果不准确。

方案一：修正原循环代码 #

把列表改成整数计数器，并匹配样本实际的字符串格式：

df3 = df_hif.dropna(subset=['Household Income', 'fan'], how='any')

# 初始化整数计数器替代列表
low_inc = 0
lowmid_inc = 0
mid_inc = 0
midhigh_inc = 0
high_inc = 0

for inc in df3['Household Income']:
    # 匹配样本中存在的两种格式（带$和不带$、全角/半角减号）
    if inc == '$0 - $24,999' or inc == '0− 24,999':
        low_inc += 1
    elif inc == '$25,000 - $49,999' or inc == '25,000− 49,999':
        lowmid_inc += 1
    elif inc == '$50,000 - $99,999' or inc == '50,000− 99,999':
        mid_inc += 1
    elif inc == '$100,000 - $149,999' or inc == '100,000− 149,999':
        midhigh_inc += 1
    elif inc == '$150,000+' or inc == '150,000+':
        high_inc += 1

print("低收入区间人数:", low_inc)
print("中低收入区间人数:", lowmid_inc)
print("中等收入区间人数:", mid_inc)
print("中高收入区间人数:", midhigh_inc)
print("高收入区间人数:", high_inc)

方案二：更高效的Pandas内置方法 #

避免手动循环，用Pandas原生函数实现统计：

方法1：直接统计原收入区间频次 #

如果不需要合并分组，直接用value_counts()快速统计：

df3 = df_hif.dropna(subset=['Household Income', 'fan'], how='any')
income_counts = df3['Household Income'].value_counts()
print(income_counts)

方法2：映射为自定义分组后统计 #

如果需要将原区间合并为你定义的low_inc等分组，用map映射后再统计：

df3 = df_hif.dropna(subset=['Household Income', 'fan'], how='any')

# 定义原收入区间到自定义分组的映射关系
income_mapping = {
    '$0 - $24,999': 'low_inc',
    '0− 24,999': 'low_inc',
    '$25,000 - $49,999': 'lowmid_inc',
    '25,000− 49,999': 'lowmid_inc',
    '$50,000 - $99,999': 'mid_inc',
    '50,000− 99,999': 'mid_inc',
    '$100,000 - $149,999': 'midhigh_inc',
    '100,000− 149,999': 'midhigh_inc',
    '$150,000+': 'high_inc',
    '150,000+': 'high_inc'
}

# 添加新列存储自定义分组
df3['income_group'] = df3['Household Income'].map(income_mapping)
# 统计每个分组的人数
group_counts = df3['income_group'].value_counts()
print(group_counts)

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