![](/img/trans.png)
[英]Python pandas grouping a dataframe by the unique value of a column
[英]Grouping by each value in a column of a dataframe in python
我有一個包含7列的數據框,如下所示:
Bank Name | Number | Firstname | Lastname | ID | Date1 | Date2
B1 | 1 | ABC | EFG | 12 | Somedate | Somedate
B2 | 2 | ABC | EFG | 12 | Somedate | Somedate
B1 | 1 | DEF | EFG | 12 | Somedate | Somedate
B3 | 3 | ABC | GHI | 13 | Somedate | Somedate
B4 | 4 | XYZ | FHJ | 13 | Somedate | Somedate
B5 | 5 | XYZ | DFI | 13 | Somedate | Somedate
我想創建與4個元素的每個的元組ID
,使得每個元組元素表示(Bank Name, Number, Firstname, Lastname)
對於每個ID
和這些元組的元素的值是不同的元素的存在於各自的計數該ID的列。 例如:對於ID = 12
,元組應為(2, 2, 2, 1)
2,2,2,1 (2, 2, 2, 1)
,對於ID=13,
元組應為(3, 3, 2, 3)
3,3,2,3 (3, 3, 2, 3)
通過執行以下操作,我可以獲取特定ID的所有行:
print(df.loc[df['ID'] == '12'])
但是,我不知道如何為ID列中的每個值執行此操作(非常類似於SQL中的group by子句,並且還獲取計數而不是行中的實際值。
請幫忙。
使用apply
你可以做到
In [117]: cols = ['BankName', 'Number', 'Firstname', 'Lastname']
In [126]: df.groupby('ID')[cols].nunique().apply(tuple, axis=1)
Out[126]:
ID
12 (2, 2, 2, 1)
13 (3, 3, 2, 3)
dtype: object
要么,
In [127]: df.groupby('ID').apply(lambda x: tuple(x[c].nunique() for c in cols))
Out[127]:
ID
12 (2, 2, 2, 1)
13 (3, 3, 2, 3)
dtype: object
或者,如果您想要數據幀而不是元組
In [122]: df.groupby('ID').agg({c: 'nunique' for c in cols})
Out[122]:
Lastname Number Firstname BankName
ID
12 1 2 2 2
13 3 3 2 3
or,
In [123]: df.groupby('ID')[cols].nunique()
Out[123]:
BankName Number Firstname Lastname
ID
12 2 2 2 1
13 3 3 2 3
使用groupby
與apply
和lambda函數nunique
:
cols = ['Bank Name', 'Number', 'Firstname', 'Lastname']
df = df.groupby('ID')[cols].apply(lambda x: tuple(x.nunique()))
print (df)
ID
12 (2, 2, 2, 1)
13 (3, 3, 2, 3)
dtype: object
如果有必要轉換為dict
:
d = df.groupby('ID')[cols].apply(lambda x: tuple(x.nunique())).to_dict()
print (d)
{12: (2, 2, 2, 1), 13: (3, 3, 2, 3)}
我想你需要這個:
group = df.groupby('ID')['Bank Name','Number','Firstname','Lastname'].nunique()
group['tuples'] = group.apply(lambda x: tuple(x), axis=1)
group.loc[:,'tuples']
輸出將是:
ID
12 (2, 2, 2, 1)
13 (3, 3, 2, 3)
Name: tuples, dtype: object
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.