python之size，count的区别

在 Pandas 中，size() 和 count() 都是用于统计分组后的数据量，但它们的计算逻辑和返回值有本质区别。以下是两者的详细对比：

1. size() 方法

• 功能：统计每个分组的 总行数（包括所有列的空值 NaN）。
• 返回值：一个 Series，索引为分组键，值为每个组的 总行数。
• 特点：
  • 不区分列，只统计行数
  • 包含空值（NaN）的行

示例

import pandas as pd
import numpy as np

data = pd.DataFrame({
    '户型': ['一室', '一室', '两室', '两室', '三室'],
    '价格': [100, np.nan, 200, 250, 300]
})

# 使用 size
size_result = data.groupby('户型').size()
print(size_result)

输出：

户型
一室    2
三室    1
两室    2
dtype: int64

2. count() 方法

• 功能：统计每个分组中 非空值（Non-NaN）的数量，按列分别统计。
• 返回值：一个 DataFrame，索引为分组键，每列为该列的非空值数量。
• 特点：
  • 按列统计
  • 排除空值（NaN）的行

示例

# 使用 count
count_result = data.groupby('户型').count()
print(count_result)

输出：

      价格
户型    
一室   1  # 价格列有一个 NaN
三室   1
两室   2

对比表格

使用场景

size()** 的适用场景**

统计每个分组的 总数据条数，例如：

# 统计每个户型出现的总次数（无论价格是否缺失）
house_type_counts = data.groupby('户型').size()

count()** 的适用场景**

分析每列的 数据完整度，例如：

# 检查价格列的缺失情况
price_valid_counts = data.groupby('户型')['价格'].count()

扩展用法

统计单列的非空值数量

# 等效于 data.groupby('户型')['价格'].count()
price_count = data.groupby('户型').count()['价格']

综合使用示例

# 计算价格均值时自动过滤缺失值
mean_price = data.groupby('户型')['价格'].mean()

# 通过 count 验证参与计算的样本量
valid_samples = data.groupby('户型')['价格'].count()

总结

• 如果只需要知道 每组有多少行数据（无论是否有空值），用 size()。
• 如果需要分析 每列的有效数据量（排除空值），用 count()。