列的MultiLevel索引：將value_counts作為pandas中的列

Question

在一般意義上，我要解決的問題是將多級索引的一個組件更改為列。 也就是說，我有一個包含多級索引的Series ，我希望將索引的最低級別更改為dataframe列。 這是我想要解決的實際示例問題，

在這里我們可以生成一些示例數據：

foo_choices = ["saul", "walter", "jessee"]
bar_choices = ["alpha", "beta", "foxtrot", "gamma", "hotel", "yankee"]

df = DataFrame([{"foo":random.choice(foo_choices), 
                 "bar":random.choice(bar_choices)} for _ in range(20)])
df.head()

這給了我們，

     bar     foo
0    beta    jessee
1    gamma   jessee
2    hotel   saul
3    yankee  walter
4    yankee  jessee
...

現在，我可以組合bar並獲取foo字段的value_counts，

dfgb = df.groupby('foo')
dfgb['bar'].value_counts()

它輸出，

foo            
jessee  hotel      4
        gamma      2
        yankee     1
saul    foxtrot    3
        hotel      2
        gamma      1
        alpha      1
walter  hotel      2
        gamma      2
        foxtrot    1
        beta       1

但我想要的是像，

          hotel    beta    foxtrot    alpha    gamma    yankee
foo                        
jessee     1       1       5          4        1        1
saul       0       3       0          0        1        0
walter     1       0       0          1        1        0

我的解決方案是寫下面的內容：

for v in df['bar'].unique():
    if v is np.nan: continue
    df[v] = np.nan
    df.ix[df['bar'] == v, v] = 1

dfgb = df.groupby('foo')
dfgb.count()[df['bar'].unique()]

Answer 1

我想你想要：

dfgb['bar'].value_counts().unstack().fillna(0.)