Pandas DataFrame遍历列表时使用遍历变量统计rating列指定值出现次数

实现方法 #

你可以通过以下两种方式动态获取遍历变量对应值的计数： #

方法1：提前预计算计数（推荐，性能最优） #

df['rating'].value_counts() 本质返回的是索引为列取值、值为对应计数的Pandas Series，你可以提前计算一次计数结果，遍历的时候直接用索引读取即可，避免每次遍历都重新扫描整个DataFrame浪费性能：

# 提前只计算一次全列的计数值
rating_counts = df['rating'].value_counts()
mylist = ['a','b','c']

for item in mylist:
    # 动态获取当前item的计数，不存在则返回0
    current_count = rating_counts.get(item, 0)
    print(f"当前处理元素：{item}，rating列出现次数：{current_count}")
    # 此处执行你的耗时操作

如果能确定item一定存在于rating列的取值中，也可以直接写current_count = rating_counts[item]。 #

方法2：实时统计（不推荐，仅适合DataFrame极小的场景） #

如果确实不想预计算全列计数，也可以每次遍历的时候单独统计当前item的出现次数：

mylist = ['a','b','c']
for item in mylist:
    current_count = (df['rating'] == item).sum()
    print(f"当前处理元素：{item}，rating列出现次数：{current_count}")
    # 此处执行你的耗时操作

该方法每次遍历都要扫描整个rating列，列表越长、DataFrame越大性能损耗越严重，非特殊情况不建议使用。 #

原写法不生效的原因 #

你尝试的df['rating'].value_counts().item写法属于属性访问，Pandas会把item当成固定的属性名去查找，而不会解析为你定义的遍历变量的值，因此需要用[]索引或者get()方法传入变量动态取值。

内容的提问来源于stack exchange，提问作者ShaneK