熊猫：增量计算列中的出现次数

Question

我有一个DataFrame（df），其中包含一个'Name'列。 在标有“Occ_Number”的列中，我想保持“名称”中每个值的出现次数的运行记录。

例如：

Name            Occ_Number
 abc                     1
 def                     1
 ghi                     1
 abc                     2
 abc                     3
 def                     2
 jkl                     1
 jkl                     2

我一直试图想出一个使用的方法

>df['Name'].value_counts()

但无法弄清楚如何将它们联系在一起。 我只能从value_counts（）获得总计。 到目前为止，我的过程涉及使用以下代码创建包含大于1的计数的“名称”列字符串值的列表：

>things = df['Name'].value_counts()
>things = things[things > 1]
>queries = things.index.values

我希望以某种方式循环“名称”并通过检查查询有条件地添加到Occ_Number，但这是我被卡住的地方。 有人知道这样做的方法吗？ 我将不胜感激任何帮助。 谢谢！

Answer 1

您可以使用cumcount来避免虚拟列：

>>> df["Occ_Number"] = df.groupby("Name").cumcount()+1
>>> df
  Name  Occ_Number
0  abc           1
1  def           1
2  ghi           1
3  abc           2
4  abc           3
5  def           2
6  jkl           1
7  jkl           2

Answer 2

您可以添加辅助列，然后使用cumsum ：

df =pd.DataFrame({'Name':['abc', 'def', 'ghi', 'abc', 'abc', 'def', 'jkl', 'jkl']})

添加计数：

df['counts'] =1

按名称分组：

cs =df.groupby('Name')['counts'].cumsum()
# set series name
cs.name = 'Occ_number'

将系列连接回数据帧：

# remove helper column
del df['counts']
df.join(cs)

收益：

    Name    Occ_number
 0  abc     1
 1  def     1
 2  ghi     1
 3  abc     2
 4  abc     3
 5  def     2
 6  jkl     1
 7  jkl     2