You need to enable JavaScript to run this app. Pandas筛选含‘Engineer’的学科字段并关联其他列完成工程领域分组统计实现
优惠活动
大模型
产品
解决方案
定价
更多

Pandas筛选含‘Engineer’的学科字段并关联其他列完成工程领域分组统计实现

代码报错原因定位
  • 空值兼容缺陷:原代码直接对SubjectField列的每个值做'Engineer' in x判断,当列中存在空值(NaN,浮点数类型)时,会因为无法对非可迭代的浮点数执行in判断,触发TypeError: argument of type 'float' is not iterable
  • 变量名错配:实际编写代码时如果将读取xlsx生成的DataFrame命名为示例中的df,但后续逻辑引用data变量,会触发NameError: name 'data' is not defined
  • 输出不满足需求:原代码仅对筛选后的工程类记录分组计算了NumberOfPapers的平均值,没有同步提取、展示每个领域对应的总作者数信息,输出结果不符合预期
可运行的完整实现方案
import pandas as pd

# 读取本地xlsx数据集时,替换为实际文件路径即可
# data = pd.read_excel("你的数据集文件路径.xlsx")

# 测试用示例数据集定义
data = pd.DataFrame({
    'AuthorName': ["Wendelaar Bonga"," Sjoerd E.", "Grätzel"," Michael", "Willett", "Walter C.", "Kessler", "Ronald C.", "Witten, Edward", "Wang, Zhong Lin"],
    'SubjectField': ["Biomedical Engineering", "Inorganic & Nuclear Chemistry", "Organic Chemistry", "Biomedical Engineering", "Developmental Biology", "Mechanical Engineering & Transports", "Biomedical Engineering", "Microbiology", "Cardiovascular System & Hematology", "Biomedical Engineering"],
    'NumberOfPapers': [10, 28, 34, 56, 78, 90, 54, 54, 32, 14],
    'totalAuthorsWithinField': [5, 10, 11, 30, 56, 34, 13, 45,23, 7]
})

# 筛选SubjectField包含"Engineer"的所有记录,na=False自动跳过空值避免报错
# case=False开启大小写不敏感匹配,避免漏匹配不同写法的工程类学科字段
engineering_filtered = data[data['SubjectField'].str.contains('Engineer', case=False, na=False)]

# 按工程类学科分组,同时计算领域平均论文数、提取领域总作者数
agg_result = engineering_filtered.groupby('SubjectField').agg(
    作者平均论文数=('NumberOfPapers', 'mean'),
    领域总作者数=('totalAuthorsWithinField', 'first')
).reset_index()

# 展示最终结果
display(agg_result)

代码运行说明:

  • 相比原代码的map+lambda判断,pandas内置的str.contains方法处理非字符串值的兼容性更强,执行效率更高
  • 聚合阶段因为同一学科的totalAuthorsWithinField值是固定的,取首值即可获取对应领域的总作者数,避免重复计算
  • 最终输出同时涵盖学科名称、平均论文数、领域总作者数三个维度,完全匹配需求

内容的提问来源于stack exchange,提问作者nemo92world

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.11 12:36:08