使用Python Pandas计算两类警情的平均出警单元数比值

核心思路 #

筛选出目标两类警情的记录，分别计算它们的出警单元数均值，最后求两者的比值。以下是针对大数据集的高效实现方案：

代码实现 #

1. 基础导入与数据读取

import pandas as pd

# 读取CSV文件，大文件添加low_memory=False避免类型推断警告
df = pd.read_csv('your_dataset.csv', low_memory=False)

2. 方法一：布尔索引（直观易读）

# 筛选两类警情并计算均值
mean_fire = df[df['警情类型（Types of Incidents）'] == '111 - Building fire']['出警单元数（Number of units）'].mean()
mean_smoke = df[df['警情类型（Types of Incidents）'] == '651 - Smoke scare, odor of smoke']['出警单元数（Number of units）'].mean()

# 计算比值
ratio = mean_fire / mean_smoke
print(f"比值结果: {ratio:.2f}")

3. 方法二：GroupBy分组（适合多警情分析场景）

如果后续需要分析更多警情类型，分组计算会更高效：

# 按警情类型分组，批量计算均值
incident_avg = df.groupby('警情类型（Types of Incidents）')['出警单元数（Number of units）'].mean()

# 提取目标警情的均值并计算比值
ratio = incident_avg['111 - Building fire'] / incident_avg['651 - Smoke scare, odor of smoke']
print(f"比值结果: {ratio:.2f}")

4. 大数据集优化：query方法（内存友好）

针对超大规模数据集，query()能减少中间内存占用：

# 注意列名含特殊字符，需用反引号包裹
mean_fire = df.query('`警情类型（Types of Incidents）` == "111 - Building fire"')['出警单元数（Number of units）'].mean()
mean_smoke = df.query('`警情类型（Types of Incidents）` == "651 - Smoke scare, odor of smoke"')['出警单元数（Number of units）'].mean()

ratio = mean_fire / mean_smoke
print(f"比值结果: {ratio:.2f}")

关键注意事项 #

• 列名匹配：务必确认数据中的列名与代码完全一致（包括空格、中英文符号），可通过print(df.columns)查看列名列表。
• 空值处理：如果出警单元数列存在空值，mean()默认会自动跳过；若需过滤空值后计算，可先执行df = df.dropna(subset=['出警单元数（Number of units）'])。
• 字符串匹配：检查警情类型字符串是否完全匹配（比如有无多余空格、大小写差异），可通过df['警情类型（Types of Incidents）'].unique()查看所有唯一值。

内容的提问来源于stack exchange，提问作者user31081998