在對數據框的一列進行裝箱后，如何制作一個新的數據框以計算每個箱中的元素數量？

Question

說我有一個數據框df ：

>>> df

Age    Score
19     1
20     2
24     3
19     2
24     3
24     1
24     3
20     1
19     1
20     3
22     2
22     1

我想構造一個新的數據框來對Age並在不同的Score列中存儲每個分類中的元素總數：

Age       Score 1   Score 2     Score 3
19-21     2         4           3
22-24     2         2           9

這是我的操作方式，我感到非常費解（意思是，這不應該那么困難）：

import numpy as np
import pandas as pd

data = pd.DataFrame(columns=['Age', 'Score'])
data['Age'] = [19,20,24,19,24,24,24,20,19,20,22,22]
data['Score'] = [1,2,3,2,3,1,3,1,1,3,2,1]

_, bins = np.histogram(data['Age'], 2)

labels = ['{}-{}'.format(i + 1, j) for i, j in zip(bins[:-1], bins[1:])] #dynamically create labels
labels[0] = '{}-{}'.format(bins[0], bins[1])

df = pd.DataFrame(columns=['Score', labels[0], labels[1]])
df['Score'] = data.Score.unique()
for i in labels:
    df[i] = np.zeros(3)


for i in range(len(data)):
    for j in range(len(labels)):
        m1, m2 = labels[j].split('-') # lower & upper bounds of the age interval
        if ((float(data['Age'][i])>float(m1)) & (float(data['Age'][i])<float(m2))): # find the age group in which each age lies
            if data['Score'][i]==1:
                index = 0
            elif data['Score'][i]==2:
                index = 1
            elif data['Score'][i]==3:
                index = 2

            df[labels[j]][index] += 1

df.sort_values('Score', inplace=True)
df.set_index('Score', inplace=True)
print(df)

這產生

             19.0-21.5      22.5-24.0
Score                      
1            2.0            2.0
2            4.0            2.0
3            3.0            9.0

是否有更好，更清潔，更有效的方法來實現這一目標？

Answer 1

IIUC，我認為您可以嘗試以下方法之一：

1.如果您已經知道垃圾箱：

df['Age'] = np.where(df['Age']<=21,'19-21','22-24')
df.groupby(['Age'])['Score'].value_counts().unstack()

2.如果您知道垃圾箱數量，則需要：

df.Age = pd.cut(df.Age, bins=2,include_lowest=True)
df.groupby(['Age'])['Score'].value_counts().unstack()

3. 喬恩·克萊門茨的創意評論：

pd.crosstab(pd.cut(df.Age, [19, 21, 24],include_lowest=True), df.Score)

所有這三個產生以下輸出：

Score           1   2   3
Age         
(18.999, 21.0]  3   2   1
(21.0, 24.0]    2   1   3

Answer 2

cats = ['1', '2', '3']
bins = [0, 1, 2, 3]
data = data[['Age']].join(pd.get_dummies(pd.cut(data.Score, bins, labels=cats)))
data['bins'] = pd.cut(data['Age'], bins=[19,21,24], include_lowest=True)
data.groupby('bins').sum() 

                Age  1  2  3
bins
(18.999, 21.0]  117  3  2  1
(21.0, 24.0]    140  2  1  3

您可以刪除/重命名垃圾箱和年齡系列，這將需要進行一些調整才能正確包含。

Answer 3

我不確定您想要什么結果（您是將計數乘以分數嗎？？），但這可能會有所幫助：

>>> data['age_binned'] = pd.cut(data['Age'], [18,21,24])
>>> data.groupby(['age_binned', 'Score'])['Age'].nunique().unstack()

Score       1  2  3
age_binned         
(18, 21]    2  2  1
(21, 24]    2  1  1

我假設您想要唯一元素的數量，如果只想讓元素總數使用.count（）而不是.nunique（）