分组内数值统计：如何按年份统计Guest/Stranger数量并标记年份类型

嘿，我来帮你搞定这个需求！咱们的目标很明确：按年份分组统计character字段为'Guest'和'Stranger'的记录数，然后根据数量对比给每个年份打上对应的标签。下面一步步来实现：

第一步：过滤目标数据并分组统计 #

首先，我们需要从数据集中筛选出character是Guest或Stranger的记录，然后按年份分组统计各自的数量。用pandas来做这个非常顺手：

import pandas as pd

# 假设你的数据集存在titles变量里
# 先过滤出我们需要的character值
filtered_data = titles[titles['character'].isin(['Guest', 'Stranger'])]

# 按年份（你示例里的n列，实际如果是year字段就替换）和character分组，统计数量
yearly_counts = filtered_data.groupby(['n', 'character']).size().unstack(fill_value=0)

这里unstack(fill_value=0)是为了把Guest和Stranger变成列，方便后续对比，缺失的数量用0填充。

第二步：给年份打标签 #

接下来我们要给每个年份判断标签，直接用apply函数写个简单的逻辑就行：

# 定义标签规则：Guest多就是guest year，否则是strange year
yearly_counts['year_tag'] = yearly_counts.apply(
    lambda row: 'guest year' if row['Guest'] > row['Stranger'] else 'strange year',
    axis=1
)

# 要是想让年份从索引变回普通列，就重置索引
yearly_counts = yearly_counts.reset_index()

结合你的样例数据测试 #

你给出的样例数据里只有一条character是Guests（应该是笔误吧？假设是Guest），我模拟了一条Stranger的数据来测试，完整代码如下：

# 模拟你的样例数据（修正character并补充一条Stranger记录）
sample_data = {
    'name': ['Homo', 'Ramon', "'El Guisa'", "'El Viti'", 'Murray', 'TestUser'],
    'type': ['actor']*6,
    'character': ['Guest', 'Owner', 'Bailaor', 'Cantaor', 'Himself', 'Stranger'],
    'n': [22.0, None, 25.0, 20.0, None, 22.0]
}
titles = pd.DataFrame(sample_data)

# 执行上述逻辑
filtered_data = titles[titles['character'].isin(['Guest', 'Stranger'])]
yearly_counts = filtered_data.groupby(['n', 'character']).size().unstack(fill_value=0)
yearly_counts['year_tag'] = yearly_counts.apply(
    lambda row: 'guest year' if row['Guest'] > row['Stranger'] else 'strange year',
    axis=1
)
yearly_counts = yearly_counts.reset_index()

print(yearly_counts)

运行后输出：

n  Guest  Stranger    year_tag
0  22.0      1         1  strange year

如果两者数量相等，这里默认标记为strange year，你可以自己加个判断分支处理平局的情况，比如改成：

lambda row: 'guest year' if row['Guest'] > row['Stranger'] else ('strange year' if row['Stranger'] > row['Guest'] else 'tie year')

一些需要注意的细节 #

• 如果你实际的年份字段不是n，记得把代码里的'n'替换成真实的字段名（比如'year'）
• 如果character字段有拼写不一致的情况（比如guests、Guest），先做清洗：titles['character'] = titles['character'].str.strip().str.title()
• 要是有缺失的年份值，可以提前过滤掉：filtered_data = filtered_data.dropna(subset=['n'])

内容的提问来源于stack exchange，提问作者Tony Z.