pandasDataFrame Groupby两列并获得数量
我有一个pandas数据框在以下格式：
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
现在我想分两列，如下所示：
df.groupby(['col5','col2']).reset_index()
输出：
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
我想按照下面的每一行来计算。 预期产出：
col5 col2 count 1 A 1 D 3 2 B 2 etc...
如何获得我的预期产出？ 我想find每个“col2”值最大的计数？
紧接着@ Andy的回答，你可以做以下解决你的第二个问题：
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
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
为了得到与waitkuo（“第二个问题”）相同的答案，但稍微清晰一点，就是将它们分组：
In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max() Out[12]: col2 A 3 B 2 C 1 D 3 dtype: int64
将数据插入pandas数据框并提供列名称 。
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.
这是我们的印刷数据：
为了在pandas和计数器中制作一组dataframe ，
您需要提供一个计算分组的列， 让我们将该列称为数据框中的“COUNTER” 。
喜欢这个：
df['COUNTER'] =1 #initially, set that counter to 1. group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function print(group_data)
OUTPUT：
如果您想要将包含组计数的新列（例如“count_column”）添加到数据框中，请执行以下操作：
df.count_column=df.groupby(['col5','col2']).col5.transform('count')
（我选了'col5'，因为它不包含nan）
只使用一个groupby的习惯解决scheme
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
说明
groupby size方法的结果是索引中有col5和col2的Series。 从这里开始，可以使用另一个groupby方法来查找col2中每个值的最大值，但是不必这样做。 您可以简单地对所有值进行降序sorting，然后只保留第一次出现col2的行与drop_duplicates方法。
您可以使用groupby函数后面的内置函数计数
df.groupby(['col5','col2']).count()
