groupby 中的特定值计数

Question

我有以下数据框：

df = pd.DataFrame([
    ('A', 'A', 'Cat'),
    ('A', 'A', 'Dog'),
    ('A', 'A', 'Cat'),
    ('A', 'B', 'Dog'),
    ('B', 'B', 'Rat'),
    ('B', 'C', 'Cat'),
    ('B', 'C', 'Cat')
], columns=['id', 'group', 'Animal'])

我把它通过想组id和group和计算的发生Cat各小组。示例输出将是：

[2, 0, 0, 2]

2cat人一组AA，

0cat组AB,

0cat组BB,

2cat人一组BC

任何人都可以帮忙吗？谢谢！

Answer 1

你需要mask+ groupby：

df['Animal'] = df['Animal'].mask(df['Animal'].ne('Cat'))
df.groupby(['id', 'group'])['Animal'].count().tolist()

[2, 0, 0, 2]

Answer 2

您可以使用 value_counts

df.groupby(['id','group']).Animal.value_counts().unstack(fill_value=0).loc[:,'Cat'].tolist()
Out[144]: [2, 0, 0, 2]

在最后一步之前返回更多信息 .loc

df.groupby(['id','group']).Animal.value_counts().unstack(fill_value=0)
Out[145]: 
Animal    Cat  Dog  Rat
id group               
A  A        2    1    0
   B        0    1    0
B  B        0    0    1
   C        2    0    0

Answer 3

您的问题与此问题非常相似（如果不重复）。

当您想要执行一些不属于 pandas 的聚合（例如sum，，）时，您应该使用apply 方法。maxmin

请注意，这apply 可能会比较慢，所以不要开始到处使用。

现在，对于您的问题，您从分组依据开始：

df.groupby(by=["id", "group"])

Animal然后，从组中选择列：

df.groupby(by=["id", "group"])['Animal']

此时，您已从Animal每个不同组的列中获得了值，可以进行任何聚合。

让我们定义一个函数来计算Catpandas 中的 s Series：

def count_cat(series):
    return (series == 'Cat').sum()

您现在要做的就是将此函数传递给该apply方法，如下所示：

df.groupby(by=["id", "group"])['Animal'].apply(count_cat).reset_index(name='count_cat')

结果是：

	ID	团体	计数猫
0	A	A	2
1	A	乙	0
2	乙	乙	0
3	乙	C	2