I started this question yesterday and have done more work on it.
谢谢@AMC,@ALollz
我有一个手术事件数据的数据框,有 58 列和 200,000 条记录。其中一列是治疗专业,每一行对应于一次患者的遭遇。我想看看医学专业的相对贡献。一列是“TRETSPEF”=treatment_specialty。我已经使用 `pd.read_csv('csv, usecols = ['TRETSPEF') 导入该系列。
df
TRETSPEF
0 150
1 150
2 150
3 150
4 150
... ...
218462 150
218463 &
218464 150
218465 150
218466 218`
最常见的治疗专业是神经外科(代码 150)。所以问题就在这里。当我申请时
.value_counts
我得到了 150 代码(和 218 代码)的两组
df['TRETSPEF'].value_counts()
150 140411
150 40839
218 13692
108 10552
218 4143
...
501 1
120 1
302 1
219 1
106 1
Name: TRETSPEF, Length: 69, dtype: int64
那里有一些“&”(454),所以我想知道它们不是整数这一事实是否会把事情搞乱,所以我将它们更改为空值,并运行值计数。
df['TRETSPEF'].str.replace("&", "").value_counts()
150 140411
218 13692
108 10552
800 858
110 835
811 692
191 580
323 555
454
100 271
400 116
420 47
301 45
812 38
214 24
215 23
180 22
300 17
370 15
421 11
258 11
314 5
422 4
260 4
192 4
242 4
171 4
350 2
307 2
302 2
328 2
160 1
219 1
120 1
107 1
101 1
143 1
501 1
144 1
320 1
104 1
106 1
430 1
264 1
Name: TRETSPEF, dtype: int64
所以现在我似乎通过将 '&' 更改为 null 丢失了第二组 150 - 大约 40000 条记录。不过,空值仍然出现在 .value_counts 中。该系列的长度已从 69 减少到 45。 我尝试去除空格 - 没有区别。不确定要运行哪些测试来了解为什么会发生这种情况。我觉得这一定是数据造成的。
最佳答案
这 100% 是数据清理问题。尝试force the column to be numeric.
pd.to_numeric(df['TRETSPEF'],errors='coerce').value_counts()
关于python - Pandas - value_counts() 中消失的值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60158910/