计算唯一组合熊猫数据框的数量

Question

我无法为我的数据创建汇总统计。 我的数据框看起来像这样

id   status
a    approved
a    approved
b    draft
b    redraft
c    redraft
c    draft
d    approved
d    draft

结果：

status_combo       id_count
approved,approved  1
draft,redraft      2
approved,draft     1

我正在使用的代码

df1=df.groupby('id')['status'].apply(tuple).rename('status_combo')
df2=df1.groupby(df1).size().reset_index(name='id_count')
print(df2)

创建包含状态顺序的所有状态组合，但是对我来说，期望的结果应该将草稿，重新草稿和重新草稿，草稿视为一种状态组合请告知。 谢谢

Answer 1

您可以在将其放入tuple之前尝试对列进行sort

df1 = df.groupby('id')['status'].apply(lambda x: tuple(sorted(x))).rename('status_combo')
df2 = df1.groupby(df1).size().reset_index(name='id_count')

print(df2)

           status_combo  id_count
0  (approved, approved)         1
1     (approved, draft)         1
2      (draft, redraft)         2

Answer 2

你可以做 ：

df = df.groupby('id',as_index=False).agg(
    status_approved=('status',lambda x:','.join(sorted(tuple(x))))).groupby(
    'status_approved', as_index=False).agg(id_count=('id', 'count'))

打印（df）：

     status_approved  id_count
0  approved,approved         1
1     approved,draft         1
2      draft,redraft         2

Answer 3

可以用一个简单的oneliner来完成：

df.groupby('id').agg(set).reset_index().status.value_counts()

结果：

{redraft, draft}     2
{approved}           1
{draft, approved}    1
Name: status, dtype: int64

或者在您的解决方案中添加sort_values('status') ：

df1=df.sort_values('status').groupby('id')['status'].apply(tuple).rename('status_combo')
df2=df1.groupby(df1).size().reset_index(name='id_count')
print(df2)

结果：

           status_combo  id_count
0  (approved, approved)         1
1     (approved, draft)         1
2      (draft, redraft)         2