Pandas DataFrame Groupby两列并获得计数

Question

我有以下格式的pandas数据帧:

df = pd.DataFrame([[1.1, 1.1, 1.1, 2.6, 2.5, 3.4,2.6,2.6,3.4,3.4,2.6,1.1,1.1,3.3], list('AAABBBBABCBDDD'), [1.1, 1.7, 2.5, 2.6, 3.3, 3.8,4.0,4.2,4.3,4.5,4.6,4.7,4.7,4.8], ['x/y/z','x/y','x/y/z/n','x/u','x','x/u/v','x/y/z','x','x/u/v/b','-','x/y','x/y/z','x','x/u/v/w'],['1','3','3','2','4','2','5','3','6','3','5','1','1','1']]).T
df.columns = ['col1','col2','col3','col4','col5']

DF:

   col1 col2 col3     col4 col5
0   1.1    A  1.1    x/y/z    1
1   1.1    A  1.7      x/y    3
2   1.1    A  2.5  x/y/z/n    3
3   2.6    B  2.6      x/u    2
4   2.5    B  3.3        x    4
5   3.4    B  3.8    x/u/v    2
6   2.6    B    4    x/y/z    5
7   2.6    A  4.2        x    3
8   3.4    B  4.3  x/u/v/b    6
9   3.4    C  4.5        -    3
10  2.6    B  4.6      x/y    5
11  1.1    D  4.7    x/y/z    1
12  1.1    D  4.7        x    1
13  3.3    D  4.8  x/u/v/w    1

现在我想把它分为两列,如下所示:

df.groupby(['col5','col2']).reset_index()

输出:

             index col1 col2 col3     col4 col5
col5 col2                                      
1    A    0      0  1.1    A  1.1    x/y/z    1
     D    0     11  1.1    D  4.7    x/y/z    1
          1     12  1.1    D  4.7        x    1
          2     13  3.3    D  4.8  x/u/v/w    1
2    B    0      3  2.6    B  2.6      x/u    2
          1      5  3.4    B  3.8    x/u/v    2
3    A    0      1  1.1    A  1.7      x/y    3
          1      2  1.1    A  2.5  x/y/z/n    3
          2      7  2.6    A  4.2        x    3
     C    0      9  3.4    C  4.5        -    3
4    B    0      4  2.5    B  3.3        x    4
5    B    0      6  2.6    B    4    x/y/z    5
          1     10  2.6    B  4.6      x/y    5
6    B    0      8  3.4    B  4.3  x/u/v/b    6

我希望得到每行的计数,如下所示.预期产出:

col5 col2 count
1    A      1
     D      3
2    B      2
etc...

如何获得我的预期输出？我想找到每个'col2'值的最大数量？

Answer 1

您正在寻找size:

In [11]: df.groupby(['col5', 'col2']).size()
Out[11]:
col5  col2
1     A       1
      D       3
2     B       2
3     A       3
      C       1
4     B       1
5     B       2
6     B       1
dtype: int64

要获得与waitingkuo相同的答案("第二个问题"),但稍微清洁一点,就是按级别分组:

In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A       3
B       2
C       1
D       3
dtype: int64

Answer 2

接下来是@Andy的回答,您可以按照以下方式解决第二个问题:

In [56]: df.groupby(['col5','col2']).size().reset_index().groupby('col2')[[0]].max()
Out[56]: 
      0
col2   
A     3
B     2
C     1
D     3

Answer 3

将数据插入pandas数据框并提供列名称.

import pandas as pd
df = pd.DataFrame([['A','C','A','B','C','A','B','B','A','A'], ['ONE','TWO','ONE','ONE','ONE','TWO','ONE','TWO','ONE','THREE']]).T
df.columns = [['Alphabet','Words']]
print(df)   #printing dataframe.

这是我们的印刷数据:

为了在pandas和counter中创建一组数据帧,
您需要再提供一个用于计算分组的列,让我们将该列称为数据帧中的"COUNTER".

像这样:

df['COUNTER'] =1       #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)

OUTPUT:

Answer 4

仅使用单个groupby的惯用解决方案

(df.groupby(['col5', 'col2']).size() 
   .sort_values(ascending=False) 
   .reset_index(name='count') 
   .drop_duplicates(subset='col2'))

  col5 col2  count
0    3    A      3
1    1    D      3
2    5    B      2
6    3    C      1

说明

groupby size方法的结果是带有col5和col2在索引中的Series .从这里,您可以使用另一个groupby方法来查找每个值的最大值, col2但没有必要这样做.您可以简单地对所有值进行降序排序,然后仅col2使用drop_duplicates方法保留第一次出现的行.

Answer 5

如果要构造一个 DataFrame 作为最终结果（而不是 pandas Series），请使用以下as_index=参数：

df.groupby(['col5', 'col2'], as_index=False).size()

为了获得最终所需的输出，pivot_table也可以使用（而不是 double groupby）：

df.pivot_table(index='col5', columns='col2', aggfunc='size').max()

如果您不想计算 NaN 值，可以使用groupby.count：

df.groupby(['col5', 'col2']).count()

请注意，由于每列可能有不同数量的非 NaN 值，除非您指定列，否则简单的groupby.count调用可能会为每列返回不同的计数，如上例所示。例如，col1group by后非NaN值的个数['col5', 'col2']如下：

df.groupby(['col5', 'col2'])['col1'].count()

Answer 6

如果您想在数据框中添加一个包含组计数的新列（比如“count_column”）：

df.count_column=df.groupby(['col5','col2']).col5.transform('count')

（我选择了“col5”，因为它不包含 nan）