對 value_counts() 返回的 groupby 列值求和

Question

我正在按人口統計和評級條件返回企業功能的評級。

我如何將所有變量的“count”列的 int64 值求和，同時在輸出中包含變量名稱，例如Design 8 ， Food 1 ？

這個問題提到了轉換到索引然后按索引選擇。
這個問題看起來像 SQL 的類似問題。

目前，我可以通過將 melt 代碼塊分配給變量prod進行查詢，然后編寫類似這樣的內容。 prods[prods.rating == 2] 。

示例數據：

Customer Type    Age    Satisfaction    Design   Food    Wi-Fi    Service    Distance
     Disloyal     28   Not Satisfied         0      1        2          2        13.5
        Loyal     30       Satisfied         5      3        5          4        34.2
     Disloyal     36   Not Satisfied         2      0        2          4        55.8

# Cols I want to see the ratings for
ranked_cols = [
    "Design",
    "Food",
    "Wi-Fi",
    "Service",
]

# Select the relevant customers
sub = df[
    (df["Customer Type"] == "Disloyal")
    & (df["Satisfaction"] == "Not Satisfied")
    & df["Age"].between(30, 40)
]

(
    sub.melt(value_vars=ranked_cols)
    .groupby("variable")
    .value_counts()
    .to_frame()
    .reset_index()
    .rename(columns={"value": "rating", 0: "count"})
)

[Out]

    variable  rating  count
0   Design    2       5
1   Food      0       1 
2   Service   4       1
3   Wi-Fi     2       3
4   Design    1       3

Answer 1

df.groupby("variable").sum()["count"]

輸出：

variable
Design     8
Food       1
Service    1
Wi-Fi      3
Name: count, dtype: int64