Pandas：如何从另一个数据帧中获取出现次数？

Question

我正在使用 Python Pandas。 我有 2 个数据框（即：df1、df2）。 'df1' 包含标头级数据，如卡 ID、发行日期等。'df2' 具有粒度级数据，如由特定卡 ID 执行的每笔交易。 'Card-id' 在两个数据帧之间是通用的。

df1:
 first_active_month          card_id  feature_1  feature_2  feature_3 
            2017-06  C_ID_92a2005557          5          2          1   
            2017-01  C_ID_3d0044924f          4          1          0   
            2016-08  C_ID_d639edf6cd          2          2          0   
            2017-09  C_ID_186d6a6901          4          3          0   
            2017-11  C_ID_cdbd2c0db2          1          3          0

df2:
   junk_id   authorized_flag          card_id  city_id Authorized 
    13292136               Y  C_ID_92a2005557      101          N   
    20069042               Y  C_ID_7a238b3713       69          N   
     5029656               Y  C_ID_92a2005557       17          N   
    16356907               N  C_ID_3d0044924f       -1          Y   
     8203441               Y  C_ID_fcf33361c2       17          N

我想在 df1 中添加一个“频率”列，它将显示 df2 中 df1 的每个卡 ID 的出现次数。 所以，df1 应该如下所示：

df1 (after executing the command):
 first_active_month          card_id  feature_1  feature_2  feature_3    frequency
            2017-06  C_ID_92a2005557          5          2          1      2
            2017-01  C_ID_3d0044924f          4          1          0      5
            2016-08  C_ID_d639edf6cd          2          2          0      3
            2017-09  C_ID_186d6a6901          4          3          0      1
            2017-11  C_ID_cdbd2c0db2          1          3          0      7

请注意：我是 Python / Pandas 的新手。 我已经浏览了该站点的多个线程，但所有线程都提到在同一个数据帧中计数。 我正在寻找使用加入/合并功能的计数。 我已经浏览过的主题： 这个、 这个、 这个、 这个、 这个、 这个、 这个。

Answer 1

我认为您需要Series.map和Series.value_counts和Series.fillna来替换缺失值：

df1['frequency'] = df1['card_id'].map(df2['card_id'].value_counts()).fillna(0).astype(int)
print (df1)
  first_active_month          card_id  feature_1  feature_2  feature_3  \
0            2017-06  C_ID_92a2005557          5          2          1   
1            2017-01  C_ID_3d0044924f          4          1          0   
2            2016-08  C_ID_d639edf6cd          2          2          0   
3            2017-09  C_ID_186d6a6901          4          3          0   
4            2017-11  C_ID_cdbd2c0db2          1          3          0   

   frequency  
0          2  
1          1  
2          0  
3          0  
4          0  

Answer 2

实际上，您的问题中有一部分答案。 你应该先计算频率：

df3 = df2.groupby(["card_id"], as_index=False)[["junk_id"]].count().rename(columns={"junk_id":"frequency"})

需要重命名部分，因为 pandas 在 groupby 操作后保留列名不变。 接下来，您可以合并您的 dfs：

df1 = df1.merge(df3, how='left', on='card_id')

您当然可以通过将df3替换为 merge 语句在一行中做到这一点。