在 Pandas 數據框中創建 value_counts 列

Question

我想從我的 Pandas 數據框列之一創建唯一值的計數，然后將包含這些計數的新列添加到我的原始數據框中。 我嘗試了幾種不同的方法。 我創建了一個熊貓系列，然后使用 value_counts 方法計算了計數。 我試圖將這些值合並回我的原始數據幀，但我想合並的鍵在索引（ix/loc）中。

Color Value
Red   100
Red   150
Blue  50

我想返回類似的東西：

Color Value Counts
Red   100   2
Red   150   2 
Blue  50    1

Answer 1

df['Counts'] = df.groupby(['Color'])['Value'].transform('count')

例如，

In [102]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})

In [103]: df
Out[103]: 
  Color  Value
0   Red    100
1   Red    150
2  Blue     50

In [104]: df['Counts'] = df.groupby(['Color'])['Value'].transform('count')

In [105]: df
Out[105]: 
  Color  Value  Counts
0   Red    100       2
1   Red    150       2
2  Blue     50       1

請注意， transform('count')忽略 NaN。 如果要計算 NaN，請使用transform(len) 。

---

致匿名編輯：如果您在使用transform('count')時遇到錯誤，可能是因為您的 Pandas 版本太舊了。 以上適用於 0.15 或更高版本的熊貓。

Answer 2

另一種選擇：

z = df['Color'].value_counts 

z1 = z.to_dict() #converts to dictionary

df['Count_Column'] = df['Color'].map(z1) 

此選項將為您提供一個包含重復計數值的列，對應於“顏色”列中每個值的頻率。

Answer 3

這個答案使用Series.map和Series.value_counts 。 它使用 Pandas 1.1 進行了測試。

df['counts'] = df['attribute'].map(df['attribute'].value_counts())

---

信用： sacuL評論

Answer 4

df['Counts'] = df.Color.groupby(df.Color).transform('count')

您可以對任何系列執行此操作：將其單獨分組並調用transform('count') ：

>>> series = pd.Series(['Red', 'Red', 'Blue'])
>>> series.groupby(series).transform('count')
0    2
1    2
2    1
dtype: int64

Answer 5

我最初的想法是使用如下所示的列表理解，但正如評論中指出的那樣，這比groupby和transform方法慢。 我將留下這個答案來證明什么不該做：

In [94]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})
In [95]: df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
In [96]: df
Out[100]: 
  Color  Value  Counts
0   Red    100       2
1   Red    150       2
2  Blue     50       1

[3 rows x 3 columns]

@unutbu 的方法對於具有多列的 DataFrames 變得復雜，這使得編碼更簡單。 如果您使用的是小數據框，這會更快（見下文），否則，您應該使用NOT使用它。

In [97]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = df.groupby(['Color']).transform('count')
100 loops, best of 3: 2.87 ms per loop
In [98]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
1000 loops, best of 3: 1.03 ms per loop

Answer 6

創建一個包含重復值計數的列。 這些值是從其他列計算的臨時計算。 非常快。 歸功於@ZakS。

sum_A_B = df['A']+df['B']
sum_A_B_dict = sum_A_B.value_counts().to_dict()
df['sum_A_B'] = sum_A_B.map(sum_A_B_dict)