如何拆分列中的兩種值並計算出現次數？

Question

我想要一個 dataframe 有一個 TRUE 和 FALSE 列。 我想得到一個 dataframe 像：

樣本輸入

Country | Class | Catalog
A | abc | TRUE  
A | abc | FALSE
B | def | TRUE
C | ghi | FALSE

樣品 Output

Country | Class | TRUE | FALSE | TOTAL 
A       |  abc  |    1 | 1     | 2
B       | def   |   1  | 0     | 1
C       | ghi   |   0  | 1     | 1 

我試過：

df.groupby(['Country','Class','Country'])['Catalog'].value_counts()

但我沒有得到想要的結果。

有什么幫助嗎？

Answer 1

使用crosstab並通過DataFrame.iloc刪除最后一行：

df1 = (pd.crosstab([df['Country'], df['Class']],
                    df['Catalog'],
                    margins=True,
                    margins_name='TOTAL')
         .iloc[:-1])
print (df1)
Catalog        False  True  TOTAL
Country Class                    
A       abc        1     1      2
B       def        0     1      1
C       ghi        1     0      1

您的解決方案應由sum更改並由Series.unstack添加由DataFrame.assign填充的新列：

#removed repeated column in groupby
df1 = (df.groupby(['Country','Class'])['Catalog']
         .value_counts()
         .unstack(fill_value=0)
         .assign(Total = lambda x: x.sum(axis=1)))
print (df1)
Catalog        False  True  Total
Country Class                    
A       abc        1     1      2
B       def        0     1      1
C       ghi        1     0      1

最后從MultiIndex添加DataFrame.reset_index和DataFrame.rename_axis列：

df1 = df1.reset_index().rename_axis(None, axis=1)
print (df1)
  Country Class  False  True  Total
0       A   abc      1     1      2
1       B   def      0     1      1
2       C   ghi      1     0      1