Pandas DataFrame按两列分组并获得计数

我有一个熊猫数据框架在以下格式:

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']

df:

   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

现在我想把它分成两列,如下所示:

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

我想获得每一行的计数如下。 预期的输出:< / p >

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

如何得到我期望的输出?我想为每个“col2”值找到最大的计数?

960741 次浏览

你正在寻找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

为了得到与waitingkuo相同的答案(“第二个问题”),但稍微干净一点,可以按级别分组:

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

接下来是@Andy的回答,你可以通过以下方法来解决你的第二个问题:

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

数据插入pandas数据框架和提供列名. c。

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:

enter image description here

用于创建组dataframe in pandas and counter
你需要再提供一个列来计数分组,让我们把这个列称为,"COUNTER" in dataframe.

是这样的:

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

输出:

enter image description here

可以只使用内置函数count,后跟groupby函数

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

如果你想在数据帧中添加一个包含组计数的新列(例如'count_column'):

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

(我选择“col5”,因为它不包含nan)

只使用单个组的惯用解决方案

(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

通过size方法进行分组的结果是一个索引中包含col5col2的Series。从这里,你可以使用另一个groupby方法来找到col2中每个值的最大值,但这是不必要的。您可以简单地对所有值进行降序排序,然后使用drop_duplicates方法只保留第一次出现col2的行。

从熊猫1.1.0开始。,你可以在DataFrame上value_counts:

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