熊猫数据框和计数中选定列中值的唯一组合

Question

我在熊猫数据框中的数据如下：

df1 = pd.DataFrame({'A':['yes','yes','yes','yes','no','no','yes','yes','yes','no'],
                   'B':['yes','no','no','no','yes','yes','no','yes','yes','no']})

所以，我的数据看起来像这样

----------------------------
index         A        B
0           yes      yes
1           yes       no
2           yes       no
3           yes       no
4            no      yes
5            no      yes
6           yes       no
7           yes      yes
8           yes      yes
9            no       no
-----------------------------

我想将其转换为另一个数据框。 预期的输出可以显示在以下 python 脚本中：

output = pd.DataFrame({'A':['no','no','yes','yes'],'B':['no','yes','no','yes'],'count':[1,2,4,3]})

所以，我的预期输出看起来像这样

--------------------------------------------
index      A       B       count
--------------------------------------------
0         no       no        1
1         no      yes        2
2        yes       no        4
3        yes      yes        3
--------------------------------------------

实际上，我可以使用以下命令找到所有组合并计算它们： mytable = df1.groupby(['A','B']).size()

然而，事实证明，这些组合在单个列中。 我想将组合中的每个值分成不同的列，并为计数结果再添加一列。 有可能这样做吗？ 我可以有你的建议吗？ 先感谢您。

Answer 1

您可以groupby上的cols“A”和“B”和呼叫size ，然后reset_index和rename生成列：

In [26]:

df1.groupby(['A','B']).size().reset_index().rename(columns={0:'count'})
Out[26]:
     A    B  count
0   no   no      1
1   no  yes      2
2  yes   no      4
3  yes  yes      3

更新

稍微解释一下，通过对 2 列进行分组，这对 A 和 B 值相同的行进行分组，我们称之为size ，它返回唯一组的数量：

In[202]:
df1.groupby(['A','B']).size()

Out[202]: 
A    B  
no   no     1
     yes    2
yes  no     4
     yes    3
dtype: int64

所以现在要恢复分组列，我们调用reset_index ：

In[203]:
df1.groupby(['A','B']).size().reset_index()

Out[203]: 
     A    B  0
0   no   no  1
1   no  yes  2
2  yes   no  4
3  yes  yes  3

这将恢复索引，但大小聚合变成了生成的列0 ，因此我们必须重命名它：

In[204]:
df1.groupby(['A','B']).size().reset_index().rename(columns={0:'count'})

Out[204]: 
     A    B  count
0   no   no      1
1   no  yes      2
2  yes   no      4
3  yes  yes      3

groupby确实接受我们可以设置为False的参数as_index ，因此它不会使分组列成为索引，但这会生成一个series ，您仍然必须恢复索引等等....：

In[205]:
df1.groupby(['A','B'], as_index=False).size()

Out[205]: 
A    B  
no   no     1
     yes    2
yes  no     4
     yes    3
dtype: int64

Answer 2

在 Pandas 1.1.0 中，您可以将value_counts方法与 DataFrames 一起使用：

df.value_counts() # or df[['A', 'B']].value_counts()

结果：

A    B
yes  no     4
     yes    3
no   yes    2
     no     1
dtype: int64

将索引转换为列并按值计数排序：

df.value_counts(ascending=True).reset_index(name='count')

结果：

     A    B  count
0   no   no      1
1   no  yes      2
2  yes  yes      3
3  yes   no      4

Answer 3

稍微相关，我正在寻找独特的组合，我想出了这个方法：

def unique_columns(df,columns):

    result = pd.Series(index = df.index)

    groups = meta_data_csv.groupby(by = columns)
    for name,group in groups:
       is_unique = len(group) == 1
       result.loc[group.index] = is_unique

    assert not result.isnull().any()

    return result

如果您只想断言所有组合都是唯一的：

df1.set_index(['A','B']).index.is_unique

Answer 4

我还没有对此进行时间测试，但尝试起来很有趣。 基本上将两列转换为一列元组。 现在将其转换为数据帧，执行 'value_counts()' 查找唯一元素并对其进行计数。 再次摆弄 zip 并将列按您想要的顺序排列。 您可能可以使步骤更优雅，但对于这个问题，使用元组对我来说似乎更自然

b = pd.DataFrame({'A':['yes','yes','yes','yes','no','no','yes','yes','yes','no'],'B':['yes','no','no','no','yes','yes','no','yes','yes','no']})

b['count'] = pd.Series(zip(*[b.A,b.B]))
df = pd.DataFrame(b['count'].value_counts().reset_index())
df['A'], df['B'] = zip(*df['index'])
df = df.drop(columns='index')[['A','B','count']]

Answer 5

根据接受的答案和@Bryan P关于count() 和 size()之间差异的评论，我选择 count() 以获得更清晰的代码，如下所示：

df1.groupby(['A','B']).count().reset_index()

Answer 6

将@EdChum 非常好的答案放入函数count_unique_index 。 独特的方法仅适用于熊猫系列，不适用于数据框。 下面的函数再现了 R 中唯一函数的行为：

unique 返回一个向量、数据框或数组，如 x 但删除了重复的元素/行。

并根据 OP 的要求添加出现次数。

def count_unique_index(df, by):                                                                                                                                                 
    return df.groupby(by).size().reset_index().rename(columns={0:'count'})                                                                                                      

df1 = pd.DataFrame({'A':['yes','yes','yes','yes','no','no','yes','yes','yes','no'],                                                                                             
                    'B':['yes','no','no','no','yes','yes','no','yes','yes','no']})   
                                                                                                                                                                                 
count_unique_index(df1, ['A','B'])                                                                                                                                              
     A    B  count                                                                                                                                                                  
0   no   no      1                                                                                                                                                                  
1   no  yes      2                                                                                                                                                                  
2  yes   no      4                                                                                                                                                                  
3  yes  yes      3