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
相关产品推荐

