如何分析Python DataFrame并统计Activity列中指定活动的出现次数

嘿，我来帮你搞定这个统计需求～首先先确认下你已经成功读取了数据，你的读取代码是没问题的（记得先导入pandas库哦）：

import pandas as pd
columns=['User ID','Activity','Time Stamp','X-Axis','Y-Axis','Z-Axis']
input_data = pd.read_csv('walkingcupstairscdownstairs.txt',delimiter=',',names=columns)

接下来给你几种简单直接的方法，来统计Activity列里jogging和walking的出现次数：

方法一：用value_counts()精准提取目标值 #

先获取所有活动的全局计数，再提取你需要的两项，没有对应活动的话会返回0，很省心：

# 获取所有活动的计数统计
activity_counts = input_data['Activity'].value_counts()

# 提取jogging和walking的次数
jogging_count = activity_counts.get('jogging', 0)
walking_count = activity_counts.get('walking', 0)

# 也可以直接算出两者总次数
total_target = jogging_count + walking_count

print(f"jogging出现次数: {jogging_count}")
print(f"walking出现次数: {walking_count}")
print(f"两者总次数: {total_target}")

方法二：布尔索引直接筛选后计数 #

这种方法更直观，先筛出符合条件的行，再统计行数就是出现次数：

# 一次性筛选出jogging或walking的行
target_rows = input_data[input_data['Activity'].isin(['jogging', 'walking'])]
total_target = len(target_rows)

# 如果要分开统计各自的次数
jogging_count = len(input_data[input_data['Activity'] == 'jogging'])
walking_count = len(input_data[input_data['Activity'] == 'walking'])

print(f"jogging出现次数: {jogging_count}")
print(f"walking出现次数: {walking_count}")
print(f"两者总次数: {total_target}")

方法三：分组统计（适合更复杂的分析场景） #

如果之后还要扩展其他统计需求，用groupby会更灵活：

# 按Activity分组后统计每组的行数
counts = input_data.groupby('Activity').size()

# 提取目标活动的次数
jogging_count = counts.get('jogging', 0)
walking_count = counts.get('walking', 0)

这些方法都能快速得到你想要的结果，选最顺手的用就行啦～

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