聚合Pandas数据框中的列数据
提问于 2020-10-18 15:43:51
我有一个数据帧，如下所示：
col1 = ['a','b','c','a','c','a','b','c','a']
col2 = [1,1,0,1,1,0,1,1,0]
df2 = pd.DataFrame(zip(col1,col2),columns=['name','count'])
name count
0 a 1
1 b 1
2 c 0
3 a 1
4 c 1
5 a 0
6 b 1
7 c 1
8 a 0我正在尝试计算'name‘列中每个元素对应的0和1的数量。因此，预期的输出将如下所示：
name zero_count one_count
a 2 2
b 0 2
c 1 2到目前为止，我尝试了许多方案，其中一个看起来很有希望的方案是：
ser = df2.groupby(['name','count']).size().to_frame().reset_index()
ser
name count 0
0 a 0 2
1 a 1 2
2 b 1 2
3 c 0 1
4 c 1 2我已经跌到了谷底。无法找到解决此问题的方法。你能帮帮我吗。
回答 3
Stack Overflow用户
回答已采纳
发布于 2020-10-18 15:52:39
试试crosstab
pd.crosstab(df2['name'], df2['count'])
Out[40]:
count 0 1
name
a 2 2
b 0 2
c 1 2Stack Overflow用户
发布于 2020-10-18 15:51:59
一行：
In [982]: df2.groupby(['name','count']).size().reset_index().pivot('name', 'count')
Out[982]:
0
count 0 1
name
a 2.0 2.0
b NaN 2.0
c 1.0 2.0按部就班解释：
In [950]: res = df2.groupby(['name','count']).size().reset_index(name='counts')
In [958]: out = res.pivot(index='name', columns='count', values='counts').fillna(0)
In [959]: out.columns = ['zero_count', 'one_count']
In [960]: out
Out[960]:
zero_count one_count
name
a 2.0 2.0
b 0.0 2.0
c 1.0 2.0Stack Overflow用户
发布于 2020-10-18 16:12:01
#count zeros:
df2.groupby(['name']).agg(lambda x: x.eq(0).sum())
#count ones:
df2.groupby(['name']).agg(lambda x: x.eq(1).sum())页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64415209
复制
腾讯云开发者
