熊猫：数事

Question

在下面，male_trips是一个大熊猫数据帧，station是一个小熊猫数据帧。对于每个车站ID，我想知道有多少次男性旅行。以下工作可以完成，但是需要很长时间：

mc = [ sum( male_trips['start_station_id'] == id ) for id in stations['id'] ]

我应该怎么做呢？

---

更新！因此，有两种主要方法：groupby()其次是size()和更简单的方法.value_counts()。我很快完成了timeit，这种groupby方法大获全胜！这是代码：

from timeit import Timer
setup = "import pandas; male_trips=pandas.load('maletrips')"
a  = "male_trips.start_station_id.value_counts()"
b = "male_trips.groupby('start_station_id').size()"
Timer(a,setup).timeit(100)
Timer(b,setup).timeit(100)

结果如下：

In [4]: Timer(a,setup).timeit(100) # <- this is value_counts
Out[4]: 9.709594964981079

In [5]: Timer(b,setup).timeit(100) # <- this is groupby / size
Out[5]: 1.5574288368225098

请注意，以这种速度，用于探索数据 键入 value_counts的速度稍微快一些，而且记不起来了！

Answer 1

我会喜欢Vishal，但不要使用size（）来使用sum（）来获取分配给每组“ start_station_id”的行数。所以：

df = male_trips.groupby('start_station_id').size()