获取pandas数据帧中所有唯一行的计数

Question

我有一个Pandas DataFrame -

>>> import numpy as np
>>> import pandas as pd
>>> data = pd.DataFrame(np.random.randint(low=0, high=2,size=(5,3)),
...                       columns=['A', 'B', 'C'])
>>> data
   A  B  C
0  0  1  0
1  1  0  1
2  1  0  1
3  0  1  1
4  1  1  0

现在我用它来获取仅A列的行数

>>> data.ix[:, 'A'].value_counts()
1    3
0    2
dtype: int64

获得A列和B列的行数最有效的方法是什么，例如以下输出 -

0    0    0
0    1    2
1    0    2
1    1    1

然后最后我怎么能把它转换成一个numpy数组，如 -

array([[0, 2],
       [2, 1]])

请给出一个与之一致的解决方案

>>>> data = pd.DataFrame(np.random.randint(low=0, high=2,size=(5,2)),
...                       columns=['A', 'B'])

Answer 1

您可以使用groupby 大小然后取消堆栈 ：

In [11]: data.groupby(["A","B"]).size()
Out[11]:
A  B
0  1    2
1  0    2
   1    1
dtype: int64

In [12]: data.groupby(["A","B"]).size().unstack("B")
Out[12]:
B   0  1
A
0 NaN  2
1   2  1

In [13]: data.groupby(["A","B"]).size().unstack("B").fillna(0)
Out[13]:
B  0  1
A
0  0  2
1  2  1

但是，无论何时执行groupby后跟一个unstack，你都应该考虑： pivot_table ：

In [21]: data.pivot_table(index="A", columns="B", aggfunc="count", fill_value=0)
Out[21]:
   C
B  0  1
A
0  0  2
1  2  1

这将是最有效的解决方案，也是最直接的解决方案。

Answer 2

您可以在A和B列上使用groupby ，然后count结果。 但是，通过它，您将只获得原始数据帧中的值。 在您的情况下，您将不会有0 0计数。 之后你可以调用values方法来获取numpy数组：

In [52]: df
Out[52]: 
   A  B  C
0  0  1  0
1  1  0  1
2  1  0  1
3  0  1  1
4  1  1  0

In [56]: df.groupby(['A', 'B'], as_index=False).count()
Out[56]: 
   A  B  C
0  0  1  2
1  1  0  2
2  1  1  1

In [57]: df.groupby(['A', 'B'], as_index=False).count().C.values
Out[57]: array([2, 2, 1])

然后你可以使用numpy数组的reshape方法

对于包含所有值的数据框：

In [71]: df
Out[71]: 
   A  B  C
0  1  0  1
1  1  1  1
2  1  0  1
3  1  1  0
4  0  1  1
5  0  0  1
6  1  1  1
7  0  0  1
8  0  1  0
9  1  1  0

In [73]: df.groupby(['A', 'B'], as_index=False).count()
Out[73]: 
   A  B  C
0  0  0  2
1  0  1  2
2  1  0  2
3  1  1  4


In [75]: df.groupby(['A', 'B'], as_index=False).count().C.values.reshape(2,2)
Out[75]: 
array([[2, 2],
       [2, 4]])

Answer 3

假设您的所有数据都是二进制的，您只需对列进行求和即可。 为安全起见，您可以使用count来获取列中所有非空值的总和（此计数与前一个总和之间的差值是零的数量）。

s = data[['A', 'B']].sum().values
>>> np.matrix([s, data[['A', 'B']].count().values - s])
matrix([[3, 3],
        [2, 2]]

如果您确定没有空值，则可以通过从第一个shape参数中获取行数来节省一些计算时间。

>>> np.matrix([s, data.shape[0] - s])
matrix([[3, 3],
        [2, 2]]