在 pandas 中使用 value_count 函數時如何命名列？

Question

我通過下面的代碼計算了角度和距離的出現次數：

g = new_df.value_counts(subset=['Current_Angle','Current_dist'] ,sort = False)

輸出：

current_angle    current_dist    0
 -50                30           1
 -50                40           2
 -50                41           6
 -50                45           4

嘗試1：
g.columns = ['angle','Distance','count','Percentage Missed'] - 結果是列名沒有變化

嘗試2：
當我使用print(g.columns)打印列時出現錯誤AttributeError: 'Series' object has no attribute 'columns'

我想將第0 列重命名為計數，並將一個新列添加到數據框g中，作為錯過的百分比，由 100 計算 - 第 0 列中的值

預期產出

current_angle    current_dist    count  percent missed
 -50                30           1          99
 -50                40           2          98
 -50                41           6          94
 -50                45           4          96

1：如何修改代碼？ 我的意思是，除了 value_counts，還有其他函數可以提供預期的輸出嗎？ 2. 如何用當前方法得到預期的輸出？

編輯1 （例外情況）

數據：

角度	距離	速度
0	124	-3
50	24	-25
50	34	25

預期輸出：

計數是根據距離計算的

角度	距離	速度	數數	錯過百分比
0	124	-3	1	99
50	24	-25	1	99
50	34	25	1	99

Answer 1

首先添加Series.reset_index ，因為DataFrame.value_counts返回Series ，所以可能使用參數name將列0更改為count列，然后通過Series.rsub將新列減去100以從右側減去100 - df['count'] ：

df = (new_df.value_counts(subset=['Current_Angle','Current_dist'] ,sort = False)
            .reset_index(name='count')
            .assign(**{'percent missed': lambda x: x['count'].rsub(100)}))

或者，如果需要還設置新列名，請使用DataFrame.set_axis ：

df = (new_df.value_counts(subset=['Current_Angle','Current_dist'] ,sort = False)
            .reset_index(name='count')
            .set_axis(['angle','Distance','count'], axis=1)
            .assign(**{'percent missed': lambda x: x['count'].rsub(100)}))

如果需要在這里分配新的列名是替代解決方案：

df = (new_df.value_counts(subset=['Current_Angle','Current_dist'] ,sort = False)
            .reset_index())
df.columns = ['angle','Distance','count']
df['percent missed'] = df['count'].rsub(100)

Answer 2

假設 DataFrame 作為輸入（如果不是reset_index首先），只需使用rename和減法：

df = df.rename(columns={'0': 'count'})   # assuming string '0' here, else use 0
df['percent missed'] = 100 - df['count']

輸出：

   current_angle  current_dist  count  percent missed
0            -50            30      1              99
1            -50            40      2              98
2            -50            41      6              94
3            -50            45      4              96

替代方案：使用groupby.size ：

(new_df
 .groupby(['current_angle','current_dist']).size()
 .reset_index(name='count')
 .assign(**{'percent missed': lambda d: 100-d['count']})
)

輸出：

   current_angle  current_dist  count  percent missed
0            -50            30      1              99
1            -50            40      2              98
2            -50            41      6              94
3            -50            45      4              96