groupby("x").count和groupby("x").size熊猫和之间的区别是吗？

大小是否仅排除nil？

size包含NaN值，count但不：

In [46]:
df = pd.DataFrame({'a':[0,0,1,2,2,2], 'b':[1,2,3,4,np.NaN,4], 'c':np.random.randn(6)})
df

Out[46]:
   a   b         c
0  0   1  1.067627
1  0   2  0.554691
2  1   3  0.458084
3  2   4  0.426635
4  2 NaN -2.238091
5  2   4  1.256943

In [48]:
print(df.groupby(['a'])['b'].count())
print(df.groupby(['a'])['b'].size())

a
0    2
1    1
2    2
Name: b, dtype: int64

a
0    2
1    1
2    3
dtype: int64 

熊猫的大小和数量有什么区别？

其他答案指出了差异，但是，说“计数NaN而没有计数”并不是完全准确的。虽然确实计入NaN，但这实际上是由于返回对象的大小（或长度）而导致的sizecountsizesize被调用。自然地，这还包括NaN的行/值。

因此，总而言之，size返回Series / DataFrame ¹的大小，

df = pd.DataFrame({'A': ['x', 'y', np.nan, 'z']})
df

     A
0    x
1    y
2  NaN
3    z

df.A.size
# 4

...同时count计算非NaN值：

df.A.count()
# 3 

请注意，这size是一个属性（与len(df)或产生相同的结果len(df.A)）。count是一个功能。

_{1.DataFrame.size也是一个属性，它返回DataFrame中的元素数（行x列）。}

行为与GroupBy-输出结构

除了基本的区别外，调用GroupBy.size()vs时生成的输出的结构也有所不同GroupBy.count()。

df = pd.DataFrame({'A': list('aaabbccc'), 'B': ['x', 'x', np.nan, np.nan, np.nan, np.nan, 'x', 'x']})
df
   A    B
0  a    x
1  a    x
2  a  NaN
3  b  NaN
4  b  NaN
5  c  NaN
6  c    x
7  c    x

考虑，

df.groupby('A').size()

A
a    3
b    2
c    3
dtype: int64

与，

df.groupby('A').count()

   B
A   
a  2
b  0
c  2

GroupBy.count当您count在所有列上调用时，返回一个DataFrame ，而GroupBy.size返回一个Series。

原因是size所有列都相同，因此仅返回一个结果。同时，count每列都会调用，因为结果将取决于每列具有多少NaN。

行为与 pivot_table

另一个示例是如何pivot_table处理此数据。假设我们要计算的交叉表

df

   A  B
0  0  1
1  0  1
2  1  2
3  0  2
4  0  0

pd.crosstab(df.A, df.B)  # Result we expect, but with `pivot_table`.

B  0  1  2
A         
0  1  2  1
1  0  0  1

使用pivot_table，您可以发出size：

df.pivot_table(index='A', columns='B', aggfunc='size', fill_value=0)

B  0  1  2
A         
0  1  2  1
1  0  0  1

但是count不起作用；返回一个空的DataFrame：

df.pivot_table(index='A', columns='B', aggfunc='count')

Empty DataFrame
Columns: []
Index: [0, 1]

我相信这样'count'做的原因是必须对传递给该values论证的系列进行处理，而当什么都没有通过时，熊猫决定不做任何假设。

只是为@Edchum的答案添加一点点，即使数据没有NA值，使用之前的示例，count（）的结果也更加冗长：

grouped = df.groupby('a')
grouped.count()
Out[197]: 
   b  c
a      
0  2  2
1  1  1
2  2  3
grouped.size()
Out[198]: 
a
0    2
1    1
2    3
dtype: int64

当我们处理普通数据帧时，只有差异将包含NAN值，这意味着计数行时计数不包括NAN值。

但是，如果我们将这些函数与groupbythen一起使用，则为了获得正确的结果，count()我们必须将任何数字字段与关联，groupby以获取size()不需要这种类型的关联的确切组数。

除了上述所有答案外，我还要指出我似乎很重要的另一点区别。

您可以将Panda的Datarame大小和计数与Java的Vectors大小和长度相关联。创建矢量时，会为其分配一些预定义的内存。当我们接近添加元素时可以占用的元素数量时，会为其分配更多的内存。同样，在DataFrame添加元素时，分配给它的内存也会增加。

Size属性给出分配给的存储单元的数量，DataFrame而count提供实际存在于中的元素的数量DataFrame。例如，

您可以看到虽然有3行DataFrame，但其大小为6。

这个答案盖大小，相对于数量差异DataFrame，而不是Pandas Series。我没有检查会发生什么Series