0

我有一个包含 N 列整数对象值的熊猫数据框。列中的值与特定随机实验的结果相关联。例如，如果我要调用 df.head()：

    0   1   2  3
0  13   4   0  5
1   8   2  16  6
2   6  20  14  0
3  17   4   8  4
4  17   2  12  0

我感兴趣的是确定特定列中每个唯一值出现的次数。仅考虑第 0 列，我可能希望知道我在这个实验中观察到值“17”的次数，在我们上面的框中，我们可以看到这在第 0 列的前 5 个条目中发生了两次。

通过 Pandas 本身或其他方式执行此操作的最佳方法是什么？

我考虑的第一种方法是将该列折叠到一个字典中，其中键是观察到的数据值，字典值与该特定键的计数相关联。我使用了 Python Collections 中的 Counter 数据结构。

# converting the Dataset into a Pandas Dataframe
df = pd.read_csv("newdataset.txt",
                 header=None,
                 #skiprows=0,
                 delim_whitespace=True)

print(df.head())

user0Counter = Counter()

for dataEntry in df[0]:
    user0Counter.update(dataEntry)

这会导致类型错误。

    TypeError                                 Traceback (most recent call last)
<ipython-input-15-d2a83c38d0d0> in <module>
----> 1 import codecs, os;__pyfile = codecs.open('''~/dir/foo/bar.py''', encoding='''utf-8''');__code = __pyfile.read().encode('''utf-8''');__pyfile.close();exec(compile(__code, '''~/dir/foo/bar.py''', 'exec'));

~/dir/foo/bar.py in <module>
     28 
     29 for dataEntry in df[0]:
---> 30     user0Counter.update(dataEntry)
     31 
     32 print(len(user0Counter))

~/anaconda3/lib/python3.7/collections/__init__.py in update(*args, **kwds)
    651                     super(Counter, self).update(iterable) # fast path when counter is empty
    652             else:
--> 653                 _count_elements(self, iterable)
    654         if kwds:
    655             self.update(kwds)

TypeError: 'int' object is not iterable

如果我用 print(dataEntry) 块替换 user0Counter.update() 方法，则迭代 df[0] 没有问题。

    0   1   2  3
0  13   4   0  5
1   8   2  16  6
2   6  20  14  0
3  17   4   8  4
4  17   2  12  0
13
8
6
17
17
1
1
4
6
19
3
11
3
4
12
7
1
9
4
2
1
2
5
1
2
13

等等。

4

1 回答 1

0

你可以pandas直接使用。

import pandas as pd

df['col_frequency'] = df.groupby(['col_to_count'])['col_to_count'].count()
于 2020-04-04T00:25:24.307 回答