从 pandas 大数据集中获取犯罪“计数”

Posted 2023-04-18

【中文标题】从 pandas 大数据集中获取犯罪“计数”

【英文标题】：Getting a crime 'count' from pandas big dataset

【发布时间】：2017-12-01 21:09:16

【问题描述】：

这是一个相当广泛的问题，因为我无法复制我尝试过的所有不同的东西。来自纽约警察局犯罪数据集：https://data.cityofnewyork.us/Public-Safety/NYPD-Complaint-Data-Historic/qgea-i56i

我正在尝试遍历 CMPLNT_FR_DT 行，（这是一个字符串，并且拒绝并转换为 DateTime 对象）

创建一个数据框并用值填充它，使其如下所示：

[Date]                        [Borough]              [Crime Count]       
01-01-2014
...

...

...

12-31-2014

所以示例行看起来像：

05-23-2014   QUEENS     45  

并表示 2014 年 5 月 23 日，皇后区发生了 45 起犯罪。

我已经腌制了数据集以加快处理时间。我正在使用 python pandas 库。我的问题是，无论我多么努力地获得犯罪计数，我似乎都无法遍历 CMPLNT_FR_DT。我也不能使用 set_value 函数将 NYPD_Historic 数据框的值设置为我的新数据框。此外，即使尝试使用 .iterrows() 计算自治市镇事件也会产生“只能使用 MultiIndex 的元组索引”错误。很感谢任何形式的帮助！

【问题讨论】：

向我们展示您的代码可能是个好主意，以便我们更清楚地了解您在做什么

【参考方案1】：

现在似乎是使用 groupby 方法的好时机。您可以实现df.groupby(['CMPLNT_FR_DT', 'Borough']).count()，这将为您提供一个新的数据框，其中包含具有相同日期和自治市镇的所有实例的计数，无论日期格式如何，只要它们都是相同的数据类型。

作为一个额外的好处，这将比遍历整个数据框快得多。