Python 有没有更简洁的方法来计算熊猫群中的行数？

这是一个数据表

为了以“Age”==“young”为条件按类分组计算行数，我使用了这段代码

df.loc[(df['Age']=='young') & (df['Class'] == 'Yes'),'Class'].count()
df.loc[(df['Age']=='young') & (df['Class'] == 'No'),'Class'].count()

输出

2
3

是否有一种简洁的方法来获取行数（2和3）？

您可以使用：

print(df.groupby('Class').size())

如果您只想要

'young'

：

print(df[df['Age'].eq('young')].groupby('Class').size())

您可以使用：

print(df.groupby('Class').size())

如果您只想要

'young'

：

print(df[df['Age'].eq('young')].groupby('Class').size())

---

您还可以尝试

df.groupby（['Age'，'Class']）.count（）

。您将通过这些值的组合（不仅是年龄==Young）获得所有计数，而且您可以稍后将其过滤掉。

您还可以尝试

df.groupby（['Age'，'Class']）.count（）

。您将通过这些值的组合（不仅是年龄==年轻）获得所有计数，但稍后您可以将其过滤掉。

这里您可以为年龄类别的每个类别计数：

df.groupby(['Age','Class'])['Class'].count()

---

在这里，您可以计算每个年龄类别的人数：

df.groupby(['Age','Class'])['Class'].count()

---

我看到已经提供了足够的答案，但是将示例数据集放在这里供后代创建和使用数据集进行测试

模拟数据集： 数据帧：

>>> df
     Age Class Credit_rating Has_job Own_house
0  young    No          fair   False     False
1  young    No          Good   False     False
2  young   Yes          Good    True     False
3  young   Yes          fair    True      True
4  young    No          fair   False     False

在这里调用

.size（）

将是获得作业的最简单方法，因为它返回

系列

但是，如果您希望以数据帧而不是序列的形式返回，请使用下面的

或者您可以按如下方式应用groupby

另一种方式是@U9前进

---

我看到已经提供了足够的答案，但是将示例数据集放在这里供后代创建和使用数据集进行测试

模拟数据集： 数据帧：

>>> df
     Age Class Credit_rating Has_job Own_house
0  young    No          fair   False     False
1  young    No          Good   False     False
2  young   Yes          Good    True     False
3  young   Yes          fair    True      True
4  young    No          fair   False     False

在这里调用

.size（）

将是获得作业的最简单方法，因为它返回

系列

但是，如果您希望以数据帧而不是序列的形式返回，请使用下面的

或者您可以按如下方式应用groupby

另一种方式是@U9前进

---

最好是添加代码或复制/粘贴数据示例，而不是屏幕截图。最好是添加代码或复制/粘贴数据示例，而不是屏幕截图。你是说

print（df[df['Age']='young'].groupby（'Class'）.size（））

？@U9 Forward，nice one+1，这是

最简单的方法。size

你是指

print（df[df['Age']=='young'].groupby（'Class'）.size（））

？@U9 Forward，nice one+1，这是使用

.size

最简单的方法。虽然此代码可能会回答问题，但提供有关如何和/或为什么解决问题的附加上下文将提高答案的长期价值。虽然此代码可能会回答问题，提供关于如何和/或为什么解决问题的附加上下文将提高答案的长期价值。关于第二个示例，您还可以执行

df.groupby（['Class']，as_index=False）。size（）

关于第二个示例，您还可以执行

df.groupby（['Class']，as_index=False）。size（）

>>> df.groupby(['Class'], as_index=False).size()
Class
No     3
Yes    2
dtype: int64