python - Pandas DataFrame Groupby 两列并获取计数

Question

我有以下格式的熊猫数据框：

df = pd.DataFrame([[1.1, 1.1, 1.1, 2.6, 2.5, 3.4,2.6,2.6,3.4,3.4,2.6,1.1,1.1,3.3], list('AAABBBBABCBDDD'), [1.1, 1.7, 2.5, 2.6, 3.3, 3.8,4.0,4.2,4.3,4.5,4.6,4.7,4.7,4.8], ['x/y/z','x/y','x/y/z/n','x/u','x','x/u/v','x/y/z','x','x/u/v/b','-','x/y','x/y/z','x','x/u/v/w'],['1','3','3','2','4','2','5','3','6','3','5','1','1','1']]).T
df.columns = ['col1','col2','col3','col4','col5']

东风：

   col1 col2 col3     col4 col5
0   1.1    A  1.1    x/y/z    1
1   1.1    A  1.7      x/y    3
2   1.1    A  2.5  x/y/z/n    3
3   2.6    B  2.6      x/u    2
4   2.5    B  3.3        x    4
5   3.4    B  3.8    x/u/v    2
6   2.6    B    4    x/y/z    5
7   2.6    A  4.2        x    3
8   3.4    B  4.3  x/u/v/b    6
9   3.4    C  4.5        -    3
10  2.6    B  4.6      x/y    5
11  1.1    D  4.7    x/y/z    1
12  1.1    D  4.7        x    1
13  3.3    D  4.8  x/u/v/w    1

现在我想将它按如下两列分组：

df.groupby(['col5','col2']).reset_index()

输出：

             index col1 col2 col3     col4 col5
col5 col2                                      
1    A    0      0  1.1    A  1.1    x/y/z    1
     D    0     11  1.1    D  4.7    x/y/z    1
          1     12  1.1    D  4.7        x    1
          2     13  3.3    D  4.8  x/u/v/w    1
2    B    0      3  2.6    B  2.6      x/u    2
          1      5  3.4    B  3.8    x/u/v    2
3    A    0      1  1.1    A  1.7      x/y    3
          1      2  1.1    A  2.5  x/y/z/n    3
          2      7  2.6    A  4.2        x    3
     C    0      9  3.4    C  4.5        -    3
4    B    0      4  2.5    B  3.3        x    4
5    B    0      6  2.6    B    4    x/y/z    5
          1     10  2.6    B  4.6      x/y    5
6    B    0      8  3.4    B  4.3  x/u/v/b    6

我想得到每一行的计数，如下所示。预期输出：

col5 col2 count
1    A      1
     D      3
2    B      2
etc...

如何获得我的预期输出？我想找到每个“col2”值的最大计数？

Answer 1

您正在寻找size：

In [11]: df.groupby(['col5', 'col2']).size()
Out[11]:
col5  col2
1     A       1
      D       3
2     B       2
3     A       3
      C       1
4     B       1
5     B       2
6     B       1
dtype: int64

---

要获得与 waitingkuo 相同的答案（“第二个问题”），但稍微干净一点，就是按级别分组：

In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A       3
B       2
C       1
D       3
dtype: int64

Answer 2

在@Andy 的回答之后，您可以执行以下操作来解决您的第二个问题：

In [56]: df.groupby(['col5','col2']).size().reset_index().groupby('col2')[[0]].max()
Out[56]: 
      0
col2   
A     3
B     2
C     1
D     3

Answer 3

仅使用单个 groupby 的惯用解决方案

(df.groupby(['col5', 'col2']).size() 
   .sort_values(ascending=False) 
   .reset_index(name='count') 
   .drop_duplicates(subset='col2'))

  col5 col2  count
0    3    A      3
1    1    D      3
2    5    B      2
6    3    C      1

解释

groupbysize方法的结果是一个带有col5和col2在索引中的系列。从这里，您可以使用另一种 gr​​oupby 方法来查找每个值的最大值， col2但这不是必须的。您可以简单地对所有值进行降序排序，然后col2使用该drop_duplicates方法仅保留第一次出现的行。

Answer 4

将数据插入pandas 数据框并提供列名。

import pandas as pd
df = pd.DataFrame([['A','C','A','B','C','A','B','B','A','A'], ['ONE','TWO','ONE','ONE','ONE','TWO','ONE','TWO','ONE','THREE']]).T
df.columns = [['Alphabet','Words']]
print(df)   #printing dataframe.

这是我们的打印数据：

为了在 pandas 和 counter 中制作一组数据框，
您需要再提供一个计算分组的列，让我们将该列称为dataframe 中的“COUNTER”。

像这样：

df['COUNTER'] =1       #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)

输出：

Answer 5

如果您想在数据框中添加一个包含组计数的新列（比如“count_column”）：

df.count_column=df.groupby(['col5','col2']).col5.transform('count')

（我选择了“col5”，因为它不包含 nan）

Answer 6

从 pandas 1.1.0. 开始，您可以value_counts在 DataFrame 上：

out = df[['col5','col2']].value_counts().sort_index()

输出：

col5  col2
1     A       1
      D       3
2     B       2
3     A       3
      C       1
4     B       1
5     B       2
6     B       1
dtype: int64

Answer 7

您可以只使用内置函数 count 后跟 groupby 函数

df.groupby(['col5','col2']).count()