data['有无污染']=data['质量等级'].map({'优':0,'良':0,'轻度污染':1,'中度污染':1,'重度污染':1,'严重污染':1}) # 请按有无污染，分类统计数量并输出的代码怎么写

你可以使用 `groupby()` 函数来按照有无污染进行分类统计数量，然后使用 `count()` 函数计算每个组的数量。具体代码如下：

# 按照有无污染分类统计数量
polluted = data.groupby('有无污染')['有无污染'].count()

# 输出结果
print(polluted)

这里假设你已经执行了之前的代码，将有无污染的信息添加到了数据集中。如果你的数据集中没有 `有无污染` 这一列，你需要先执行之前的代码来添加这一列。

相关问题

X = data.iloc[:, 1:] Y = data.iloc[:, 0]

这是使用 Pandas 库中的 iloc 方法从数据集中选取特征和标签，其中 `data` 是一个 DataFrame 对象。`data.iloc[:, 1:]` 表示选取除第一列以外的所有列作为特征，而 `data.iloc[:, 0]` 则表示选取第一列作为标签。在这种情况下，特征是数据集中的自变量，而标签是因变量。

data[data['label'] == i].iloc[:,:-1].shape[0]含义

这段代码中，`data` 是一个 Pandas DataFrame，`data['label']` 是 DataFrame 中名为 `label` 的列，`data['label'] == i` 返回一个布尔类型的 Series，其中 `True` 表示该行所属的类别为 `i`，`False` 表示不是。`data[data['label'] == i]` 通过布尔索引选出所有所属类别为 `i` 的行，`.iloc[:,:-1]` 表示选取这些行的所有列，除了最后一列（也就是标签列），`.shape[0]` 返回选取到的行数。因此，`data[data['label'] == i].iloc[:,:-1].shape[0]` 表示数据集中所属类别为 `i` 的样本数量。