返回pandas.value_counts（）中特定值的计数？

假设运行pandas的数据帧['prod_code'].value_counts（），并将结果存储为'df'。操作输出：

125011  90300
   762  72816
  None  55512
  7156  14892 
 75162   8825

我如何提取“无”的计数？我希望结果是55512

我试过了

>>> df.loc[df.index.isin(['None'])]
>>> Series([], Name: prod_code, dtype: int64)

而且

>>> df.loc['None']
>>> KeyError: 'the label [None] is not in the [index]'

---

似乎您需要的是

None

，而不是字符串

'None'

：

df.loc[df.index.isin([None])]

df.loc[None]

编辑：

如果需要检查索引中的

NaN

：

print (s1.loc[np.nan])
#or
print (df[pd.isnull(df.index)])

样本：

s = pd.Series(['90300', '90300', '8825', '8825', '8825', None, np.nan])
s1 = s.value_counts(dropna=False)
print (s1)
8825     3
90300    2
NaN      2
dtype: int64

print (s1[pd.isnull(s1.index)])
NaN    2
dtype: int64

---

---

编辑1：

对于剥离空白：

s = pd.Series(['90300', '90300', '8825', '8825', '8825', 'None ', np.nan])
print (s)
0    90300
1    90300
2     8825
3     8825
4     8825
5    None 
6      NaN
dtype: object

s1 = s.value_counts()
print (s1)
8825     3
90300    2
None     1
dtype: int64

s1.index = s1.index.str.strip()
print (s1.loc['None'])
1

两件事

pd.Series（[None]*2+[1]*3）.value\u counts（）

自动删除

None

pd.Series（[None]*2+[1]*3）.值\u计数（dropna=False）

将

None

转换为

np.NaN

这告诉我您的

None

是一个字符串。但是由于

df.loc['None']

不起作用，我怀疑您的字符串周围有空格

尝试：

或：

---

尽管如此，我还是很好奇如何在索引中引用

np.NaN

s = pd.Series([1, 2], [0, np.nan])
s.iloc[s.index.get_loc(np.nan)]

2

---

这不起作用>>>df.loc[df.index.isin（[None]）]系列（[]，名称：product_code，数据类型：int64）好的，返回什么

print（df.index）

？它有31112行，所以它只打印第一个和最后10个值（不包括“None”）。我想我发现了问题。count_values（）计数时将None计数为NaN，因此结果系列中这些字段的值为NaN，而不是None。并且值不会被删除？

s = pd.Series(['90300', '90300', '8825', '8825', '8825', 'None ', np.nan])
print (s)
0    90300
1    90300
2     8825
3     8825
4     8825
5    None 
6      NaN
dtype: object

s1 = s.value_counts()
print (s1)
8825     3
90300    2
None     1
dtype: int64

s1.index = s1.index.str.strip()
print (s1.loc['None'])
1

df.filter(regex='None', axis=0)

df.index = df.index.to_series().str.strip().combine_first(df.index.to_series())
df.loc['None']

s = pd.Series([1, 2], [0, np.nan])
s.iloc[s.index.get_loc(np.nan)]

2