Pandas DataFrame 按两列分组并获取计数

问题描述：

我有一个以下格式的熊猫数据框：

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']

数据：

   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

我想要像下面这样获取每行的计数。预期输出：

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

如何获得我预期的输出？我想找到每个“col2”值的最大计数？

解决方案 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（“第二个问题”）相同的答案，但稍微清晰一些，方法是按级别进行分组：

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

解决方案 2：

按照@Andy 的回答，您可以执行以下操作来解决第二个问题：

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

解决方案 3：

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

解释

groupby 方法的结果size是一个带有索引的 Series col5。col2从这里，您可以使用另一个 groupby 方法来查找每个值的最大值， 但这不是必须的。您可以简单地按降序对所有值进行排序，然后仅保留该方法中col2第一次出现的行。col2`drop_duplicates`

解决方案 4：

将数据插入到 pandas 数据框并提供列名。

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.

这是我们打印的数据：

为了在 pandas 和 counter 中创建一组数据框，

您需要提供另一个用于计数分组的列，我们将该列称为数据框中的“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)

输出：

解决方案 5：

如果要构建一个 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，您可以使用groupby.count：

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

请注意，由于每列的非 NaN 值数量可能不同，除非您指定列，否则简单调用groupby.count可能会为每列返回不同的计数，如上例所示。例如，col1分组后的非 NaN 值数量['col5', 'col2']如下：

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

解决方案 6：

您是否想在数据框中添加一个包含组计数的新列（例如“count_column”）：

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

（我选择“col5”，因为它不包含nan）

解决方案 7：

从 pandas 1.1.0 开始，您可以value_counts在 DataFrame 上：

out = df[['col5','col2']].value_counts().sort_index()

输出：

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

解决方案 8：

您只需使用内置函数 count，然后使用 groupby 函数即可

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