pandas中使用groupby和size后如何将分组计数存入同名独立变量
分组计数赋值为同名独立变量的实现
首先要明确你当前代码的细节问题:调用df.groupby(['new']).size()生成的统计结果,仅会返回存在非0样本量的分组,以你提供的示例数据为例,最终得到的结果仅包含RR=4、GR=2两个条目,样本量为0的RG、GG因为没有匹配记录,不会出现在返回结果的索引中,直接遍历结果赋值会缺失这两个组对应的独立变量。
完整实现步骤如下:
- 补全全部分组的计数值
预先定义所有需要统计的分组名称列表,对原分组结果做重索引对齐,给缺失的分组自动填充0值:
处理后的# 列出所有需要覆盖的分组名,保证0值组也能被统计 expected_groups = ["RR", "GR", "RG", "GG"] # 对齐原有分组统计结果,补全缺失组的0值 count_series = d.reindex(expected_groups, fill_value=0)count_series会完全匹配你需要的取值:RR=4、GR=2、RG=0、GG=0。 - 遍历生成同名独立变量
完成计数对齐后,遍历序列将每个分组名作为变量名、对应计数作为变量值,写入当前代码的作用域即可:- 如果代码在模块顶层(非自定义函数内部)运行,使用全局命名空间字典赋值:
for group_name, cnt in count_series.items(): globals()[group_name] = cnt
RR、GR、RG、GG,就能拿到对应的计数值,完全匹配你预期的效果。- 如果代码在自定义函数内部运行,将代码中的
globals()替换为locals(),即可将变量写入函数局部作用域。
- 如果代码在模块顶层(非自定义函数内部)运行,使用全局命名空间字典赋值:
注意事项
动态生成独立变量的实现方式存在一定风险,不推荐在复杂项目中使用:
- 赋值过程无校验逻辑,会直接覆盖当前作用域内同名的已有变量,无任何提醒
- 后续新增分组类型时,需要手动同步更新
expected_groups列表,维护成本较高
更稳妥的替代实现是将计数统一存为字典结构,避免污染命名空间:group_counts = count_series.to_dict()后续需要读取某一组的计数时,直接通过键值访问即可,灵活性更强。
内容的提问来源于stack exchange,提问作者Brijesh Prajapati
相关产品推荐
相关产品推荐

