![](/img/trans.png)
[英]How to count unique combinations of values in selected columns in pandas data frame including frequencies with the value of 0?
[英]unique combinations of values in selected columns in pandas data frame and count
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。
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
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
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
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']]
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()
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.