合并和总结 Pandas 中的几个值计数系列

Question

我通常value_counts()用来获取某个值的出现次数。但是，我现在处理大型数据库表（无法将其完全加载到 RAM 中）并在不到 1 个月的时间内查询数据。

有没有办法存储结果value_counts()并将其与/添加到下一个结果中？

我想计算用户操作的数量。假设用户活动日志的结构如下：

# month 1
id    userId     actionType
1     1          a
2     1          c
3     2          a
4     3          a
5     3          b

# month 2
id    userId     actionType
6     1          b
7     1          b
8     2          a
9     3          c

value_counts()在这些产品上使用：

# month 1
userId
1       2
2       1
3       2

# month 2
userId
1       2
2       1
3       1

预期输出：

# month 1+2
userId
1       4
2       2
3       3

到目前为止，我刚刚找到了一种使用 groupby 和 sum 的方法：

# count users actions and remember them in new column
df1['count'] = df1.groupby(['userId'], sort=False)['id'].transform('count')
# delete not necessary columns
df1 = df1[['userId', 'count']]
# delete not necessary rows
df1 = df1.drop_duplicates(subset=['userId'])

# repeat
df2['count'] = df2.groupby(['userId'], sort=False)['id'].transform('count')
df2 = df2[['userId', 'count']]
df2 = df2.drop_duplicates(subset=['userId'])

# merge and sum up
print pd.concat([df1,df2]).groupby(['userId'], sort=False).sum()

pythonic / pandas有效合并多个系列（和数据帧）信息的方法是什么？

Answer 1

让我建议“添加”并将填充值指定为 0。这比之前建议的答案有优势，因为当两个数据帧具有不同的唯一键集时，它会起作用。

# Create frames
df1= pd.DataFrame({'User_id': ['a','a','b','c','c','d'],'a':[1,1,2,3,3,5]})
df2= pd.DataFrame({'User_id': ['a','a','b','b','c','c','c'],'a' [1,1,2,2,3,3,4]})

现在添加两组 values_counts()。fill_value 参数将处理可能出现的任何 NaN 值，在本例中，出现在 df1 中的“d”，但不出现在 df2 中。

a = df1.User_id.value_counts()
b = df2.User_id.value_counts()
a.add(b,fill_value=0)