計算兩個Dataframe列之間的組合

Question

我想重新格式化一個數據幀，以便顯示兩列組合的計數。 這是一個示例數據幀：

my_df = pd.DataFrame({'a': ['first', 'second', 'first', 'first', 'third', 'first'],
               'b': ['foo', 'foo', 'bar', 'bar', 'baz', 'baz'],
               'c': ['do', 're', 'mi', 'do', 're', 'mi'],
               'e': ['this', 'this', 'that', 'this', 'those', 'this']})

看起來像這樣：

        a    b   c      e
0   first  foo  do   this
1  second  foo  re   this
2   first  bar  mi   that
3   first  bar  do   this
4   third  baz  re  those
5   first  baz  mi   this

我希望它創建一個新的數據框，計算列a和c之間的組合，如下所示：

c        do   mi   re
a                    
first   2.0  2.0  NaN
second  NaN  NaN  1.0
third   NaN  NaN  1.0

如果我將values參數設置為等於其他列，我可以使用pivot_table執行此操作：

my_pivot_count1 = my_df.pivot_table(values='b', index='a', columns='c', aggfunc='count')

這樣的問題是列'b'可能在其中具有nan值，在這種情況下，該組合將不被計算。 例如，如果my_df看起來像這樣：

        a    b   c      e
0   first  foo  do   this
1  second  foo  re   this
2   first  bar  mi   that
3   first  bar  do   this
4   third  baz  re  those
5   first  NaN  mi   this

我對my_df.pivot_table調用給出了：

first   2.0  1.0  NaN
second  NaN  NaN  1.0
third   NaN  NaN  1.0

我現在通過將values參數設置為我引入my_df的新列來使用b作為values參數，保證使用my_df['count'] = 1或my_df.reset_index() ，但有沒有辦法得到我想要的東西，而不必添加一列，只使用列a和c ？

Answer 1

pandas.crosstab有一個dropna參數，默認設置為True ，但在你的情況下你可以傳遞False ：

pd.crosstab(df['a'], df['c'], dropna=False)
# c       do  mi  re
# a                 
# first    2   2   0
# second   0   0   1
# third    0   0   1

Answer 2

我只是使用groupby / unstack ：

df.groupby(by=['a', 'c']).size().unstack(level='c')

c        do   mi   re
a                    
first   2.0  2.0  NaN
second  NaN  NaN  1.0
third   NaN  NaN  1.0

你可以使用fillna和astype

N = (
    df.groupby(by=['a', 'c'])
      .size()
      .unstack(level='c')
      .fillna(0)
      .astype(int)
)

c       do  mi  re
a                 
first    2   2   0
second   0   0   1
third    0   0   1

Answer 3

您可以添加.fillna('x')后my_df不改變基礎數據框本身。

my_pivot_count1 = my_df.fillna('x').pivot_table(values='b', index='a', columns='c',aggfunc='count')