使用groupby在多列上的Value_counts

Question

我需要有关熊猫的一些帮助。

我有以下数据框：

df = pd.DataFrame({'1Country': ['FR', 'FR', 'GER','GER','IT','IT', 'FR','GER','IT'],
               '2City': ['Paris', 'Paris', 'Berlin', 'Berlin', 'Rome', 'Rome','Paris','Berlin','Rome'],
               'F1': ['A', 'B', 'C', 'B', 'B', 'C', 'A', 'B', 'C'],
               'F2': ['B', 'C', 'A', 'A', 'B', 'C', 'A', 'B', 'C'],
               'F3': ['C', 'A', 'B', 'C', 'C', 'C', 'A', 'B', 'C']})

屏幕截图

我正在尝试groupby在前两列上执行1Country，2City并value_counts在列F1和上执行F2。到目前为止，我只能value_counts一次在1列上进行groupby和

df.groupby(['1Country','2City'])['F1'].apply(pd.Series.value_counts)

如何value_counts在多列上执行操作并得到datframe？

Answer 1

您可以将字典传递给agg如下：

df.groupby(['1Country', '2City']).agg({'F1': 'value_counts', 'F2': 'value_counts'})

Answer 2

您可以agg按照以下方式使用：

df.groupby(['1Country','2City']).agg({i:'value_counts' for i in df.columns[2:]})

               F1   F2   F3
FR  Paris  A  2.0  1.0  2.0
           B  1.0  1.0  NaN
           C  NaN  1.0  1.0
GER Berlin A  NaN  2.0  NaN
           B  2.0  1.0  2.0
           C  1.0  NaN  1.0
IT  Rome   B  1.0  1.0  NaN
           C  2.0  2.0  3.0