将项目的数量输出为 header pandas答案

【问题标题】：output the count of the items as header pandas将项目的数量输出为 header pandas
【发布时间】：2020-05-22 18:38:40
【问题描述】：

这是我的数据框： '''

 customer product     product1
0        A    hats        shoes
1        A   socks        shoes
2        B   socks        shoes
3        C    hats        shoes
4        C    None  accessories
5        B   socks        shoes
6        A    hats        shoes
7        C    None  accessories

''' 我想输出这样的东西：

customer    shoes   hats    socks   accessories
A             #       #        #    #
B             #       #        #    #
C             #       #        #    #

我尝试过这样的 group by： '''

dfB.set_index('customer').groupby(['product', 'product1']).agg({'product':['count'], 'product1':['count']}) '''

我得到这样的输出：

'''

 product product1
                   count    count
product product1                 
 hats   shoes          3        3
 socks  shoes          3        3

'''

请帮忙

【问题讨论】：

标签： python-3.x pandas pandas-groupby

【解决方案1】：

IIUC

我们可以将索引设置为“客户”，然后堆叠数据框，让您可以使用 value_counts 进行聚合

df2 = df.set_index('customer').stack().groupby(level=0).value_counts().unstack()

print(df2)
          None  accessories  hats  shoes  socks
customer                                       
A          NaN          NaN   2.0    3.0    1.0
B          NaN          NaN   NaN    2.0    2.0
C          2.0          2.0   1.0    1.0    NaN

如果您不关心None，您可以将其转换为真正的空值，它将在groupby 中被忽略

print(df.replace('None',np.nan).set_index('customer').stack().groupby(level=0).value_counts().unstack())

          accessories  hats  shoes  socks
customer                                 
A                 NaN   2.0    3.0    1.0
B                 NaN   NaN    2.0    2.0
C                 2.0   1.0    1.0    NaN

【讨论】：

【解决方案2】：

你可以melt 然后pivot_table

# df = df.replace('None', None) # If `'None'` and not `None`

(df.melt('customer', value_name='product')
   .pivot_table(index='customer', columns='product', aggfunc='size'))

product   accessories  hats  shoes  socks
customer                                 
A                 NaN   2.0    3.0    1.0
B                 NaN   NaN    2.0    2.0
C                 2.0   3.0    1.0    NaN

【讨论】：