Ответ 1
В ответ на @Andy вы можете сделать следующее, чтобы решить свой второй вопрос:
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
Pandas DataFrame Group по двум столбцам и подсчету
У меня есть pandas dataframe в следующем формате:
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']
ДФ:
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
Теперь я хочу сгруппировать это по двум столбцам следующим образом:
df.groupby(['col5','col2']).reset_index()
Вывод:
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
Я хочу получить счет по каждой строке, как показано ниже. Ожидаемый результат:
col5 col2 count
1 A 1
D 3
2 B 2
etc...
Как получить ожидаемый результат? И я хочу найти наибольшее количество для каждого значения "col2"?
Ответы
Ответ 2
Вы ищете 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
Чтобы получить тот же ответ, что и waitkuo ( "второй вопрос" ), но немного чище, нужно группировать уровень:
In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A 3
B 2
C 1
D 3
dtype: int64
Ответ 3
Вставка данных в фрейм данных Pandas и предоставление имени столбца.
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.
Это наши печатные данные:
Для создания группы данных в пандах и счетчиках,
Вам нужно предоставить еще один столбец, который считает группировку, пусть этот столбец называется как "СЧЕТЧИК" в кадре данных.
Как это:
df['COUNTER'] =1 #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)
ВЫХОД:
Ответ 4
Идиоматическое решение, которое использует только одну группу
(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
объяснение
Результатом метода сгруппированного size является серия с col5 и col2 в индексе. Отсюда вы можете использовать другой метод groupby, чтобы найти максимальное значение каждого значения в col2 но это необязательно. Вы можете просто отсортировать все значения по убыванию, а затем сохранить только строки с первым появлением col2 с drop_duplicates метода drop_duplicates.
Ответ 5
Если вы хотите добавить новый столбец (скажем, "count_column" ), содержащий количество отсчетов групп в фреймворк данных:
df.count_column=df.groupby(['col5','col2']).col5.transform('count')
(я выбрал "col5", поскольку он не содержит nan)
Ответ 6
Вы можете просто использовать встроенный счетчик функций, следуя функции groupby
df.groupby(['col5','col2']).count()