Ik heb een panda-dataframe in de volgende indeling:
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
Nu wil ik dit groeperen in twee kolommen, zoals de volgende:
df.groupby(['col5','col2']).reset_index()
Uitvoer:
index col1 col2 col3 col4 col5
col5 col2
1 A 0 0 1.1 A 1.1 x/y/z 1
D 0 11 1.1 D 4.7 x/y/z 1
1 12 1.1 D 4.7 x 1
2 13 3.3 D 4.8 x/u/v/w 1
2 B 0 3 2.6 B 2.6 x/u 2
1 5 3.4 B 3.8 x/u/v 2
3 A 0 1 1.1 A 1.7 x/y 3
1 2 1.1 A 2.5 x/y/z/n 3
2 7 2.6 A 4.2 x 3
C 0 9 3.4 C 4.5 - 3
4 B 0 4 2.5 B 3.3 x 4
5 B 0 6 2.6 B 4 x/y/z 5
1 10 2.6 B 4.6 x/y 5
6 B 0 8 3.4 B 4.3 x/u/v/b 6
Ik wil de telling van elke rij als volgt halen.
Verwachte output:
col5 col2 count
1 A 1
D 3
2 B 2
etc...
Hoe krijg je mijn verwachte output? En ik wil het grootste aantal vinden voor elke ‘Col2’-waarde?
Antwoord 1, Autoriteit 100%
gevolgd door het antwoord van @ andy, kunt u volgen om uw tweede vraag op te lossen:
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
Antwoord 2, Autoriteit 109%
U zoekt 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
Om hetzelfde antwoord te krijgen als wachttekuo (de “tweede vraag”), maar enigszins schoner, is om het niveau te groeperen:
In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A 3
B 2
C 1
D 3
dtype: int64
Antwoord 3, Autoriteit 18%
gegevensinvoegen in een panda-dataframe en kolomnaam opgeven.
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.
Dit zijn onze gedrukte gegevens:
Voor het maken van een groep dataframes in panda’s en counter,
U moet nog een kolom opgeven die de groepering telt, laten we die kolom noemen als, “COUNTER”in dataframe.
Zoals dit:
df['COUNTER'] =1 #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)
OUTPUT:
Antwoord 4, autoriteit 18%
Idiomatische oplossing die slechts één groupby gebruikt
(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
Uitleg
Het resultaat van de groupby sizemethode is een Series met col5en col2in de index. Vanaf hier kun je een andere groupby-methode gebruiken om de maximale waarde van elke waarde in col2te vinden, maar dat is niet nodig. U kunt alle waarden eenvoudig aflopend sorteren en dan alleen de rijen behouden waarin col2voor het eerst voorkomt met de drop_duplicates-methode.
Antwoord 5, autoriteit 3%
Moet je een nieuwe kolom (zeg ‘count_column’) met de groepsaantallen aan het dataframe toevoegen:
df.count_column=df.groupby(['col5','col2']).col5.transform('count')
(Ik heb ‘col5’ gekozen omdat het geen nan bevat)
Antwoord 6
U kunt gewoon de ingebouwde functietelling gebruiken, gevolgd door de groupby-functie
df.groupby(['col5','col2']).count()