pandas按Neighborhood拆分生成独立可分析DataFrame的实现方法
代码改造实现方案
核心目标是把原来循环里控制台打印的逻辑替换为结构化DataFrame生成逻辑,让每个社区的计算结果可以独立存储、直接调用原生DataFrame的统计方法,不用重复做数据提取计算。
实现逻辑拆分
- 摒弃原来的打印输出逻辑,改用字典结构做结果存储:以Neighborhood的每个社区名为键,对应的值就是该社区独立生成的结果DataFrame,这种方式比动态生成独立变量更稳定,不会出现命名冲突、查找困难的问题。
- 循环遍历流程调整:每遍历到一个社区,就按原有的计算规则提取单社区数据、计算场所类型占比、取降序Top5结果,但不执行打印操作,而是把整理好的结果封装成标准结构的DataFrame存入字典。
- 循环结束后,所有社区的结果都会完成结构化存储,后续直接通过字典键取出对应社区的DataFrame,就能正常调用
.describe()等原生方法开展统计分析。
可直接复用的代码片段
# 初始化结果存储字典 neighborhood_result = {} # 遍历所有社区 for nbhd_name in denver_grouped["Neighborhood"].unique(): # 提取当前社区的单行记录 nbhd_raw = denver_grouped[denver_grouped["Neighborhood"] == nbhd_name] # 剔除Neighborhood文本列,只保留所有onehot数值统计列 nbhd_numeric = nbhd_raw.drop(columns=["Neighborhood"]).iloc[0] # 整理为二维表结构 place_stat = nbhd_numeric.reset_index() place_stat.columns = ["place_category", "count"] # 计算总场所数、各类型占比 total_place = place_stat["count"].sum() place_stat["proportion"] = place_stat["count"] / total_place # 按占比降序取Top5,重置索引避免后续分析的索引混乱 nbhd_top5 = place_stat.sort_values("proportion", ascending=False).head(5).reset_index(drop=True) # 将当前社区的独立DataFrame存入字典 neighborhood_result[nbhd_name] = nbhd_top5
后续使用方式
- 调取指定社区的结果:比如要查看“RiNo”社区的Top5场所分布,直接执行
neighborhood_result["RiNo"]即可返回对应DataFrame。 - 开展统计分析:任意社区的结果都是标准结构的DataFrame,直接调用方法即可,比如对“Cap Hill”社区的结果做描述性统计,执行
neighborhood_result["Cap Hill"].describe()就能得到数量、占比的分位数、均值等统计值。 - 批量处理:需要对所有社区做统一分析时,直接循环遍历字典的
values()即可,不需要重复做数据提取、计算的重复操作。
常见踩坑提示
- 不要用
exec()动态生成和社区名同名的全局变量,这种写法不仅可读性差,遇到社区名带特殊字符时还会直接报错,字典映射是这类场景下最稳妥的存储方案。 - 取Top5结果后记得调用
reset_index(drop=True),避免转置、排序操作带来的非连续索引干扰后续统计计算。 - 计算占比前要对数值列做缺失值检查,对空值做0值填充,避免生成的DataFrame存在NaN值拉低统计结果的准确性。
内容的提问来源于stack exchange,提问作者Sagestone
相关产品推荐
相关产品推荐

