Python 无法计算列中唯一值的频率

我正在做一个项目，要求我计算一个学生在不同学科的课堂上出现的次数和缺席的次数，并计算他的出勤率。我有他的出勤记录如下

    Attend  Date    Subject
96  Present 09-04-2020  AM-II
69  Present 16-04-2020  AM-II
61  Present 20-04-2020  AM-II
49  Present 22-04-2020  AM-II
45  Present 23-04-2020  AM-II
... ... ... ...
14  Present 12-04-2020  LMS
13  Absent  18-04-2020  LMS
11  Absent  19-04-2020  LMS
10  Present 25-04-2020  LMS
9   Present 26-04-2020  LMS

我正在使用python的pandas库来计算每个独特主题的“存在”和“缺席”出现的次数，但我无法做到这一点。这就是我正在做的

data=pd.read_csv("data1.csv") 
  
#sorting data frame by Team and then By names 
data.sort_values(["Subject", "Date"], axis=0, 
                 ascending=True, inplace=True) 
p = 0
a = 0
total = 0
attpercent = {}
data.set_index(["Subject"], inplace = True, 
                            append = True, drop = False)
temp = ""
data = data.infer_objects()
for Subject, Attend in data.iterrows()
    if(temp == ""):
        temp = Subject
        if Attend == "Present":
                p = p + 1
        else:
            a = a + 1
    else:
        if(temp == Subject):
            if Attend == "Present":
                p = p + 1
            else:
                a = a + 1
        else:
            total = a + p
            attpercent[temp] = (p * 100) / total
            a = 0
            p = 0
            temp = Subject 
            if Attend == "Present":
                p = p + 1
            else:
                a = a + 1
                
print(attpercent)

它显示了一个错误：

 TypeError                                 Traceback (most recent call last)
<ipython-input-65-9d7243427e5f> in <module>
     18 data = data.infer_objects()
     19 for Subject, Attend in data.iterrows():
---> 20     Attend = str(Attend)
     21     if(temp == ""):
     22         temp = Subject

TypeError: 'Series' object is not callable

TypeError回溯（最近一次调用）
在里面
18数据=数据。推断对象（）
19对于受试者，参加data.iterrows（）：
--->20出席=str（出席）
21如果（温度=“”）：
22温度=受试者
TypeError:“Series”对象不可调用

---

我是第一次使用熊猫，所以我对它知之甚少。我尝试使用

expert\u objects

和

astypes（）

转换列的类型，但仍然得到相同的错误。请提供帮助。

您应该尽量避免for循环和迭代，并熟悉

pandas

方法，如

.groupby

、

.pivot\u table

和

取消堆栈

。对于此特定问题，您可以将

.groupby

与

.size

一起使用，然后使用

.unstack

将行移动到列，并以良好的格式获取数据，以准备计算出勤率

df = df.groupby(['Subject','Attend']).size().reset_index() \
       .set_index(['Subject', 'Attend']) \
       .unstack(1).fillna(0).astype(int)
df.columns = df.columns.droplevel(0)
df['Attendance'] = df['Present'] / ( df['Present'] + df['Absent'])
df

输出：

Attend  Absent  Present Attendance
Subject         
AM-II   0       5       1.0
LMS     2       3       0.6

更详细的解释

在相关列上进行

.groupby

和

size

后，使用

.set_index（['Subject'，attention']）

计算出现次数，我将在索引上设置这两列，为下一步做准备。接下来，我将

atteent

移动到标题，以将此数据集放入一个良好的矩阵格式，如和Excel Pivot表。使用

.unstack（1）

，我将使用我刚刚设置的第二个索引列（记住python从

0

开始，所以

1

现在将第二个索引列作为我的标题，基本上以一种非常方便的方式将数据帧从行重塑为列。如果我使用

.unstack（0）

，它会将

主题

移动到标题，这样就不会以我们想要的方式可视化数据

最后，

df.columns=df.columns.droplevel（0）

从多索引中删除一个级别，使其看起来更干净，然后

出勤率的计算非常简单，它将出席人数除以总人数，得到每个主题的出勤率


比如说，完整的数据包含了另一个学生专栏。根据第一个例子，你可能会尝试从这里找出如何做到这一点，但这是你可以做的

输入：

    Attend  Date       Subject  Student
96  Present 09-04-2020  AM-II   Kathy
69  Present 16-04-2020  AM-II   John
61  Present 20-04-2020  AM-II   John
49  Present 22-04-2020  AM-II   John
45  Present 23-04-2020  AM-II   Kathy
14  Present 12-04-2020  LMS     Kathy
13  Absent  18-04-2020  LMS     Kathy
11  Absent  19-04-2020  LMS     John
10  Present 25-04-2020  LMS     Kathy
9   Present 26-04-2020  LMS     John

代码：

代码几乎相同。您只需使用
.groupby
和
.set_index（）
和增加
.unstack
fom
1
到
2
，因为
出席
列现在是
指定的第三个
索引
列
。然后，将
drop\u level（1）
更改为
drop\u level（0）
，因为索引上有两列

最后，如果您想要一个没有多索引的干净数据集，只需执行
df=df.reset_index（）
作为返回的最后一步：

Attend  Student Subject Absent  Present Attendance
0       John    AM-II   0       3       1.000000
1       John    LMS     1       1       0.500000
2       Kathy   AM-II   0       2       1.000000
3       Kathy   LMS     1       2       0.666667

iterrow（）不返回列它将返回行，您应该使用
作为索引，数据中的行。iterrow（）
t您可以通过
row[attribute]
和
row['Subject'访问列值
谢谢您的解释性回答。但是我不明白为什么不显示“日期”列？当我试图将其放入groupby（）中时，df[“出席”]不会显示正确答案，因为它会显示每天的出席率%。如果我想在特定日期后计算出席率%，我该怎么做？@YashSethia，“date”不包括在groupby中，因此它不包括在最终结果中，但您是正确的，您无论如何都不想按日期分组。要筛选af请指定一个具体的日期做'df.loc[df['date']>'09-04-2020'。groupby'..您可以用任何日期替换'09-04-2020'。希望这有帮助。请投票并接受，如果有帮助。我试着写了这个'data=data.loc[data[“date”>“01-05-2020”]。groupby（['Subject'，Attend']）.size（）.重置索引（）\.设置索引（['Subject'，'Attend']）\.unstack（1）.fillna（0）.astype（int）'但它不起作用。我仍然得到所有dates@YashSerthia在groupby之前，请尝试使用data['Date']=pd.to_datetime（data['Date']，dayfirst=True）…然后尝试使用…data=data.loc[data[“Date”]>“2020-05-01”]如果出现错误，请将其发布。我使用了data[“Date”]=pd.to_datetime（data['Date']，dayfirst=True）data=data.loc[data['Date']>“01-05-2020”]但什么都没有发生。整个数据的输出仍然是。
Attend  Student Subject Absent  Present Attendance
0       John    AM-II   0       3       1.000000
1       John    LMS     1       1       0.500000
2       Kathy   AM-II   0       2       1.000000
3       Kathy   LMS     1       2       0.666667