计算 DataFrame 中的出现次数答案

【问题标题】：Count occurrences in DataFrame计算 DataFrame 中的出现次数
【发布时间】：2017-01-08 02:19:38
【问题描述】：

我有一个这种格式的数据框：

| Department | Person | Power  | ... |
|------------|--------|--------|-----|
| ABC        | 1234   |  75    | ... |
| ABC        | 1235   |  25    | ... |
| DEF        | 1236   |  50    | ... |
| DEF        | 1237   | 100    | ... |
| DEF        | 1238   |  25    | ... |
| DEF        | 1239   |  50    | ... |

我现在想要得到的是幂列中每个值的出现次数总和。如何从我的 DataFrame 中获取此信息？

| Department | 100 |  75 |  50 |  25 |
|------------|-----|-----|-----|-----|
| ABC        |   0 |   1 |   0 |   1 |
| DEF        |   1 |   0 |   2 |   1 |

【问题讨论】：

标签： python pandas pivot-table reshape crosstab

【解决方案1】：

您可以将value_counts 与sort_index 一起使用，然后由to_frame 生成DataFrame，最后由T 转置：

print (df.Power.value_counts().sort_index(ascending=False).to_frame().T)
       100  75   50   25 
Power    1    1    2    2

通过评论编辑：

你需要crosstab:

print (pd.crosstab(df.Department, df.Power).sort_index(axis=1, ascending=False))
Power       100  75   50   25 
Department                    
ABC           0    1    0    1
DEF           1    0    2    1

使用groupby 和unstack 加快另一个解决方案：

print (df.groupby(['Department','Power'])
         .size()
         .unstack(fill_value=0)
         .sort_index(axis=1, ascending=False))

Power       100  75   50   25 
Department                    
ABC           0    1    0    1
DEF           1    0    2    1

如果需要groupby 列Department 和Person，请将Person 列添加到groupby 到第二个位置（谢谢piRSquared）：

print (df.groupby(['Department','Person', 'Power'])
         .size()
         .unstack(fill_value=0)
         .sort_index(axis=1, ascending=False))

Power              100  75   50   25 
Department Person                    
ABC        1234      0    1    0    0
           1235      0    0    0    1
DEF        1236      0    0    1    0
           1237      1    0    0    0
           1238      0    0    0    1
           1239      0    0    1    0

通过评论编辑1：

如果需要添加其他缺失值，请使用reindex:

print (df.groupby(['Department','Power'])
         .size()
         .unstack(fill_value=0)
         .reindex(columns=[100,75,50,25,0], fill_value=0))

Power       100  75   50   25   0  
Department                         
ABC           0    1    0    1    0
DEF           1    0    2    1    0

【讨论】：

谢谢，如果我有第二列要对结果进行分组，我该怎么做？
你能添加想要的输出吗，对不起，我不明白group the results是什么意思。
谢谢，我添加了 2 个解决方案。请检查一下。
@Gerrit 对于 jezrael 的第二个解决方案 groupby，请注意 Power 如何成为 groupby 中的第二列，而当 unstacked 它最终出现在列中。如果您想在第二列上添加groupby，请将其添加到groupby，如下所示：df.groupby(['Department','Person','Power'])。其余答案如上。这是您的最佳答案。
谢谢@piRSquared。我添加它来回答。

【解决方案2】：

也可以这样：

>>> df.groupby(['Department','Power']).count().unstack().fillna(0)

           Person               
Power         25   50   75   100
Department                      
ABC           1.0  0.0  1.0  0.0
DEF           1.0  2.0  0.0  1.0

【讨论】：