熊猫数据框重复值计数无法正常工作

Question

值计数为：df['ID'].value_counts().values -----> 数组([4,3,3,1], dtype=int64)

输入：

ID emp
a  1
a  1
b  1
a  1
b  1
c  1
c  1
a  1
b  1
c  1
d  1

当我弄乱了 ID 列时

df.loc[~df.duplicated(keep='first', subset=['ID']), 'emp']= df['ID'].value_counts().values

输出：

ID emp 
a  4
c  3
d  3
c  1
b  1
a  1
c  1
a  1
b  1
b  1
a  1

预期结果：

ID emp 
a  4
c  3
d  1
c  1
b  3
a  1
c  1
a  1
b  1
b  1
a  1

问题：计数在分配 emp 之前没有检查 ID。

Answer 1

仅此一项就为您的给定示例数据框提供了 df.loc[~df.duplicated(keep='first', subset=['ID']), 'emp']= df['ID'].value_counts().values 所需的输出

但你可以试试：

cond=~df.duplicated(keep='first', subset=['ID'])

df.loc[cond,'emp']=df.loc[cond,'ID'].map(df['ID'].value_counts())

Answer 2

这是df['ID'].value_counts() 的问题输出是Series，计数值在不同数量的值中，如原始数据，对于由计算机值填充的新列，使用Series.map：

df.loc[~df.duplicated(subset=['ID']), 'emp'] = df['ID'].map(df['ID'].value_counts())

或GroupBy.transform 与size：

df.loc[~df.duplicated(subset=['ID']), 'emp'] = df.groupby('ID')['ID'].transform('size')

---

具有 4 个值的输出系列无法分配回，因为 df1.index 和 df['ID'].value_counts().index 中的索引不同

print (df['ID'].value_counts())
a    4
b    3
c    3
d    1
Name: ID, dtype: int64

如果转换为numpy数组只分配前4个值，因为在这个DataFrame中有4组a,b,c,d，所以df.duplicated(subset=['ID'])返回了4次Trues，但是为了4,3,3,1输出错误的原因是什么：

print (df['ID'].value_counts().values)
[4 3 3 1]

需要什么 - 具有相同 df.index 的新列 (Series)：

print (df['ID'].map(df['ID'].value_counts()))
0     4
1     4
2     3
3     4
4     3
5     3
6     3
7     4
8     3
9     3
10    1
Name: ID, dtype: int64

print (df.groupby('ID')['ID'].transform('size'))
0     4
1     4
2     3
3     4
4     3
5     3
6     3
7     4
8     3
9     3
10    1
Name: ID, dtype: int64