统计 dataframe 中的子记录数

Question

我有一个 pandas.DataFrame 列parentId和id_x 。 我现在正在尝试创建一个新列，该列显示父条目中相关子项（ id_x ）的数量。 一个条目（id）的相关 SQL 查询将是SELECT COUNT(*) AS amount FROM node WHERE parentId="1234qwer" 。 有没有办法为 pandas dataframe 中的每一行应用这个？ 在 dataframe 中，父母也可能是更高父母的孩子。

编辑：

这是数据示例

df[["parentId", "id_x"]].head(4)

|               parentId               |                 id_x                 |
| ------------------------------------ | ------------------------------------ |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a061e7d7-95d2-4812-87c1-24ec24fc2dd2 |
| a061e7d7-95d2-4812-87c1-24ec24fc2dd2 | d2b62e36-b243-43ac-8e45-ed3f269d50b2 |
|                 None                 | 071cb2c2-d1be-4154-b6c7-a29728357ef3 |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a0e97b37-b9a1-4304-9769-b8c48cd9f184 |

有 n 个parentId可以匹配id_x 。 我现在想创建一个新列来计算/显示与特定id_x匹配的parentId的数量。

结果应如下所示：

 df[["parentId", "id_x", "Amount"]].head(4)

|               parentId               |                 id_x                 | Amount |
| ------------------------------------ | ------------------------------------ | ------ |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a061e7d7-95d2-4812-87c1-24ec24fc2dd2 | 1      |
| a061e7d7-95d2-4812-87c1-24ec24fc2dd2 | d2b62e36-b243-43ac-8e45-ed3f269d50b2 | 0      |
|                 None                 | 071cb2c2-d1be-4154-b6c7-a29728357ef3 | 2      |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a0e97b37-b9a1-4304-9769-b8c48cd9f184 | 0      |

Answer 1

输入：

>>> df
                               parentId                                  id_x
0  071cb2c2-d1be-4154-b6c7-a29728357ef3  a061e7d7-95d2-4812-87c1-24ec24fc2dd2
1  a061e7d7-95d2-4812-87c1-24ec24fc2dd2  d2b62e36-b243-43ac-8e45-ed3f269d50b2
2                                   NaN  071cb2c2-d1be-4154-b6c7-a29728357ef3
3  071cb2c2-d1be-4154-b6c7-a29728357ef3  a0e97b37-b9a1-4304-9769-b8c48cd9f184

Output：

>>> df.assign(amount=df["id_x"].map(df["parentId"].value_counts()).fillna(0))
                               parentId                                  id_x  amount
0  071cb2c2-d1be-4154-b6c7-a29728357ef3  a061e7d7-95d2-4812-87c1-24ec24fc2dd2     1.0
1  a061e7d7-95d2-4812-87c1-24ec24fc2dd2  d2b62e36-b243-43ac-8e45-ed3f269d50b2     0.0
2                                   NaN  071cb2c2-d1be-4154-b6c7-a29728357ef3     2.0
3  071cb2c2-d1be-4154-b6c7-a29728357ef3  a0e97b37-b9a1-4304-9769-b8c48cd9f184     0.0

计算parentId唯一值的数量和 map 它们到id_x然后分配给您的 dataframe 的amount列。

Answer 2

解决了

def node_counter(id_x, parent_ID):
        counter = 0
        for child in parent_ID:
            if child == id_x:
                counter += 1
        return counter
    
df['Amount'] = df.apply(lambda x: node_counter(x['id_x'], df['parentId']), axis=1)

df

|               parentId               |                 id_x                 | Amount |
| ------------------------------------ | ------------------------------------ | ------ |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a061e7d7-95d2-4812-87c1-24ec24fc2dd2 | 1      |
| a061e7d7-95d2-4812-87c1-24ec24fc2dd2 | d2b62e36-b243-43ac-8e45-ed3f269d50b2 | 0      |
|                 None                 | 071cb2c2-d1be-4154-b6c7-a29728357ef3 | 2      |
| 071cb2c2-d1be-4154-b6c7-a29728357ef3 | a0e97b37-b9a1-4304-9769-b8c48cd9f184 | 0      |