[英]count number of unique combinations pandas data frame
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
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
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
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
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.