值_计数（）中的值

Question

I started this question yesterday and have done more work on it.

谢谢@AMC，@ALollz

我有一个手术活动数据的数据框架，有58列和200000条记录。其中一列是“治疗专业”，每行对应一个患者遭遇。我想看看医学专业的相对分布情况。其中一列是“TRETSPEF”=治疗专业。我使用了'pd.read_csv（'csv，usecols=['TRETSPEF'）来导入该系列

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我得到两组150代码（和218代码）

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

其中有一些“&；”（454），所以我想知道它们不是整数这一事实是否把事情搞砸了，所以我将它们改为空值，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

因此，现在我似乎已经丢失了第二组150条记录—大约40000条记录，因为将“&；”更改为null。尽管如此，null仍然显示在.value_计数中。序列的长度已从n 69降至45。 我尝试去除空白-没有区别。不确定要运行什么测试来查看为什么会发生这种情况。我觉得这一定是由于数据

Answer 1

这是一个100%的数据清理问题。尝试force the column to be numeric.

pd.to_numeric(df['TRETSPEF'], errors='coerce').value_counts()