Python/Pandas-使用特定索引计算行数

我有这个数据框：

     content
id         
17         B
17         A
 6         A
15         A
...

我想计算有多少行具有索引17（在本例中为2）。 有办法吗？

您可以按级别分组

df.groupby(level=0).count()

或

reset\u index（）

您可以尝试：

sum(df.index == 17)

df.index==17

当索引值与else

False

匹配时，返回带有

boolean

和

True

的数组。而 使用

sum

函数

True

相当于

1

问题：如何计算索引标签的数量？ 解决方案：使用api 根据文档，

pandas.Index.value\u counts

将返回包含唯一值计数的对象，并返回一个

pd.Series

现在，我可以通过使用（不要与

.iloc

混淆）选择我想要的特定索引

---

但我如何进入17号公路？df.groupby（level=0.count（）.loc[17]？@abutemutate

df[df.index==17]

Hi，我的案例还有一列是date。如果日期>='2019-01-01'（例如）我得到的结果类似于[1,1,0]，我如何计算行数。我只想知道17在电视上出现了多少次index@abutremutante你的意思是当使用

df.index==17

时，你得到了

[1,1,0,0]

？它对提供的示例不起作用吗？你是对的，它起作用了。由于我的df很大，我试图在这里简化，但显然不是最好的方法。无论如何，我用一种不太符合Python的方式解决了：a=0，对于df.index中的I：如果I==17:a+=1，则无需创建新的索引，只需使用

testd\u df.index.value\u counts（）

sum(df.index == 17)

Input: # Your DataFrame
       test_dict = {'id': ['17', '17', '6', '15'], 'content': ['B', 'A', 'A', 'A']}
       testd_df = pd.DataFrame.from_dict(test_dict) # create DataFrame from dict
       testd_df.set_index('id', inplace=True) # set 'id' as index in inplace way
       testd_df
Output: 
             |content
        --------------
         id  |
        -------------
         17  |      B
         17  |      A
          6  |      A
         15  |      A

# Solution
Input:  index_count = pd.Index(testd_df.index).value_counts() # count value of unique value
        index_count

Output: 17    2
        15    1
        6     1
        dtype: int64
---------------------------------
Input:  index_count.loc['17'] # select the information you care about
Output: 2