Pandas基于DataFrame两列创建Series的代码逻辑解释请求

为什么需要连续定位两列 #

两个定位操作的作用完全独立，不存在重复定位，两者缺一不可：

• 第一次定位country列，是为了构造「筛选美国企业」的行过滤条件，属于筛选规则的数据源获取
• 第二次定位industry列，是为了拿到后续要统计的目标字段，属于统计对象的获取
  你看到的「连续定位两列」是pandas链式调用的书写形式，本质是先后执行「行过滤」和「取目标列」两个独立步骤，只是写在了同一行。

代码作用 #

这段代码最终返回一个长度为2的Series，展示世界500强美国企业中数量最多的前2个行业，以及对应行业的企业数量。

逐段执行逻辑拆解 #

我们把链式调用拆成独立步骤理解更清晰：

1. 执行f500["country"] == "USA"
   取出f500的country列，逐行判断值是否等于"USA"，返回和原DataFrame行数一致的布尔Series，值为True就代表该行对应的企业是美国企业
2. 执行f500["industry"][第一步得到的布尔Series]
   先取出f500的industry行业列，再用第一步得到的布尔索引过滤，只保留美国企业对应的行业值，得到一个仅包含美国企业行业信息的Series

   这里还有更规范的等效写法：f500.loc[f500["country"] == "USA", "industry"]，loc写法更推荐用于同时做行过滤+列选择的场景，不容易触发pandas的链式赋值警告

3. 执行.value_counts()
   对过滤得到的美国企业行业Series做频次统计，返回新的Series，索引是行业名称，值是对应行业的美国500强企业数量，默认按数量从高到低排序
4. 执行.head(2)
   取频次统计结果的前2行，也就是美国企业数量最多的前2个行业的统计结果，赋值给变量industry_usa

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