我有一个Pandas Dataframe ,格式如下:
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
我想得到每一行的计数如下。预期输出:
col5 col2 count
1 A 1
D 3
2 B 2
etc...
如何得到我的期望输出?我想找到每个'col2'值的最大计数?
8条答案
按热度按时间wfauudbj1#
您正在寻找的页面
要得到与waitingkuo相同的答案(“第二个问题”),但稍微清晰一点,是按级别分组:
hrysbysz2#
在@Andy 's answer之后,您可以执行以下操作来解决第二个问题:
vecaoik13#
只使用一个groupby的惯用解决方案
groupby
size
方法的结果是索引中包含col5
和col2
的Series。你可以使用另一个groupby方法来找出col2
中每个值的最大值,但这不是必须的。您可以简单地对所有值降序排序,然后使用drop_duplicates
方法只保留第一次出现col2
的行。ds97pgxw4#
将数据插入Pandas Dataframe ,并提供列名。
这是我们的打印数据:
用于在Pandas和计数器*中制作组 Dataframe ,
您需要再提供一列来计算分组,让我们在 Dataframe 中将该列称为 *“COUNTER”。
就像这样:
输出:
laik7k3q5#
是否要将包含组计数的新列(例如'count_column')添加到 Dataframe 中:
(我选择了“col5”,因为它不包含nan)
4szc88ey6#
从Pandas1.1.0.开始,您可以在DataFrame上使用
value_counts
:输出:
xriantvc7#
如果要构造DataFrame作为最终结果(而不是panda Series),请使用
as_index=
参数:为了获得最终期望的输出,也可以使用
pivot_table
(而不是双groupby
):如果不想计算NaN值,可以使用
groupby.count
:请注意,由于每列可能具有不同数量的非NaN值,因此除非指定该列,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,按['col5', 'col2']
分组后col1
中的非NaN值数量如下:rn0zuynd8#
您可以只使用内置函数count,然后使用groupby函数