请教怎么用Python的Pandas解决一个统计频率的问题

Question

请教一下怎么用Python的Pandas生成DataFrame然后统计频率的问题：

假设，我感兴趣的个体是“学生”，每个学生都有自己的名字，也都有3种属性：性别、院系、恋爱了没有。要求找出所有单身学生的名字。

我能想到的办法，无非就是用一个字典来做整个信息的数据结构，key=名字，value=[性别，院系，恋爱]，然后按部就班的循环。

dict_student = {“张”:[man, EE, 1], “王”:[man, CS, 1], “李”:[woman, Art, 0], “赵”:[woman, np.nan, 1]……}
list_love = []
for k, v in dict_student:
    if v[2]==0:
        list_love.append(k)

但是有没有办法可以用一句话直接.count()出来单身学生的个数呢？比如count(map(lambda k,v:v[2]
dict_student.items()))？

但是，信息不是一个简单的字典、而是一个csv文件（多数情况下的大数据也不会以一个字典的方式清晰存在）。所以要用Python的Pandas，那么又该怎么统计所有单身学生的名字呢？

~, 姓名， 性别， 院系， 恋爱
1， 张， man， EE， 1
2， 王， man， CS， 1
3， 李， woman， Art， 0

我能想到的办法，无非就是把“恋爱”这一列抓出来单独处理，

df = pd.read_csv("信息.csv", index_col=0,1,4) # 只需要第0、1、4列吗？
df.ix[:, df3.ix[4]>0] # 只需要第0、1、4列吗？
tuple_list = df.groupby('恋爱') # 然后应该怎么写，可以把df转化成刚才的那个dict_student吗？

谢谢了先！

Answer 1

这个很简单啊，直接filter就好了：

df_single = df[df['恋爱'] == 1]