更改 groupby 和 value_counts 输出以映射到数据帧

Question

我有一个场景，我试图按特定值过滤数据帧，并计算另一个标识符出现的次数。然后我将其转换为字典并映射回数据框。我遇到的问题是生成的字典无法映射回数据框，因为我给字典引入了复杂性（额外的键？），我不知道如何避免它。

我想这个简单的问题是：'如何在我的 CELL_ID 列上使用 value_counts'，按另一个名为 Grid_Type 的列进行过滤，并将结果映射回每个 CELL_ID 的所有单元格？

我目前在做什么

这可以计算有多少单元格包含 CELL_ID，但不允许我按 Grid_Type 过滤

df['CELL_ID'].value_counts()
z1 = z.to_dict()
df['CELL_CNT'] = df['CELL_ID'].map(z1)

这个简单示例的字典输出如下所示：

7015988: 1, 7122961: 1, 6976792: 1

我的错误代码
这是我迄今为止一直在做的事情——我希望能够返回由 Grid_Type 过滤的计数。例如，我希望能够计算在每个 CELL_ID 中/按每个 CELL_ID 看到“Spot”的次数。

z = df[df.Grid_Type == 'Spot'].groupby('CELL_ID')['Grid_Type'].value_counts()
z1 = z.to_dict()
df['SPOT_CNT'] = df['CELL_ID'].map(z1)

似乎在我试图过滤的示例中，字典返回了一个更复杂的结果，其中包括 Grid_Type。问题是，我只想将计数映射到 Cell_ID。例如字典响应：

(7133691, 'Spot'): 3, (7133692, 'Spot'): 3, (7133693, 'Spot'): 2

示例数据

+---------+-----------+
| CELL_ID | Grid_Type |
+---------+-----------+
|     001 | Spot      |
|     001 | Square    |
|     001 | Spot      |
|     001 | Square    |
|     001 | Square    |
|     002 | Spot      |
|     002 | Square    |
|     002 | Square    |
|     003 | Square    |
|     003 | Spot      |
|     003 | Spot      |
|     003 | Spot      |
+---------+-----------+

期望的结果

+---------+-----------+----------+
| CELL_ID | Grid_Type | SPOT_CNT |
+---------+-----------+----------+
|     001 | Spot      |        2 |
|     001 | Square    |        2 |
|     001 | Spot      |        2 |
|     001 | Square    |        2 |
|     001 | Square    |        2 |
|     002 | Spot      |        1 |
|     002 | Square    |        1 |
|     002 | Square    |        1 |
|     003 | Square    |        3 |
|     003 | Spot      |        3 |
|     003 | Spot      |        3 |
|     003 | Spot      |        3 |
+---------+-----------+----------+

感谢您提供的任何帮助/

Answer 1

您似乎有答案，但我会用transform() 解决这个问题：

# set it up
df = pd.read_clipboard()
print(df)

    CELL_ID Grid_Type
0         1      Spot
1         1    Square
2         1      Spot
3         1    Square
4         1    Square
5         2      Spot
6         2    Square
7         2    Square
8         3    Square
9         3      Spot
10        3      Spot
11        3      Spot

df['SPOT_CNT'] = df.groupby('CELL_ID')['Grid_Type'].transform(lambda x: sum(x == 'Spot'))
print(df)

    CELL_ID Grid_Type  SPOT_CNT
0         1      Spot         2
1         1    Square         2
2         1      Spot         2
3         1    Square         2
4         1    Square         2
5         2      Spot         1
6         2    Square         1
7         2    Square         1
8         3    Square         3
9         3      Spot         3
10        3      Spot         3
11        3      Spot         3

lambda 函数内部：
- 如果 value(x) == 'Spot'
则返回 bool - 对于每个组，sum() 将 True 布尔值相加
最后transform，根据文档，行为如下：

DataFrame.transform(self, func, axis=0, *args, **kwargs) → 'DataFrame'[source]
     "Call func on self producing a DataFrame with transformed values."  
     "Produced DataFrame will have same axis length as self." <----
...

希望这有帮助。

Answer 2

df = pd.read_csv('spot.txt', sep=r"[ ]{1,}", engine='python', dtype='object')

print(df)

    CELL_ID Grid_Type
0   001 Spot
1   001 Square
2   001 Spot
3   001 Square
4   001 Square
5   002 Spot
6   002 Square
7   002 Square
8   003 Square
9   003 Spot
10  003 Spot
11  003 Spot

df_gb = df['Grid_Type'].groupby([df['CELL_ID']]).value_counts()

print(df_gb)

    CELL_ID  Grid_Type
001      Square       3
         Spot         2
002      Square       2
         Spot         1
003      Spot         3
         Square       1
Name: Grid_Type, dtype: int64



df_gb_dict = df_gb.to_dict()

count_list = []

for idx, row in df.iterrows():
    for k, v in df_gb_dict.items():
        if k[0] == row['CELL_ID'] and k[1] == row['Grid_Type'] and row['Grid_Type'] == 'Spot':
            count_list.append([k[0], k[1], v])
        if k[0] == row['CELL_ID'] and k[1] == row['Grid_Type'] and row['Grid_Type'] == 'Square':
            count_list.append([k[0], k[1], df_gb_dict[(row['CELL_ID'], 'Spot')]])


new_df = pd.DataFrame(count_list, columns=['CELL_ID',  'Grid_Type', 'SPOT_CNT'])

new_df.sort_values(by='CELL_ID', inplace=True)

new_df.reset_index(drop=True)

print(new_df)

  CELL_ID Grid_Type  SPOT_CNT
0      001      Spot         2
1      001    Square         2
2      001      Spot         2
3      001    Square         2
4      001    Square         2
5      002      Spot         1
6      002    Square         1
7      002    Square         1
8      003    Square         3
9      003      Spot         3
10     003      Spot         3
11     003      Spot         3