将每个值的频率分配给具有新列的数据框答案

【问题标题】：Assign the frequency of each value to dataframe with new column将每个值的频率分配给具有新列的数据框
【发布时间】：2020-01-30 21:12:05
【问题描述】：

我尝试设置一个 Dataframe 来计算一个称为频率的列。此列应显示该值在每一行中数据框的特定列中出现的频率。像这样的：

Index  Category  Frequency    
     0        1         1
     1        3         2
     2        3         2
     3        4         1
     4        7         3
     5        7         3
     6        7         3
     7        8         1

这只是一个例子

我已经用 value_counts() 试过了，但是我只在出现的数字的最后一行收到一个值。在例子的情况下

Index  Category  Frequency    
     0        1         1
     1        3         N.A
     2        3         2
     3        4         1
     4        7         N.A
     5        7         N.A
     6        7         3
     7        8         1

很重要的一点是该列与dataframe的行数相同，最好追加到同一个dataframe

【问题讨论】：

标签： python pandas dataframe count duplicates

【解决方案1】：

df['Frequency'] = df.groupby('Category').transform('count')

【讨论】：

【解决方案2】：

使用pandas.Series.map:

df['Frecuency']=df['Category'].map(df['Category'].value_counts())

或pandas.Series.replace:

df['Frecuency']=df['Category'].replace(df['Category'].value_counts())

输出：

   Index  Category  Frecuency
0      0         1          1
1      1         3          2
2      2         3          2
3      3         4          1
4      4         7          3
5      5         7          3
6      6         7          3
7      7         8          1

详情

df['Category'].value_counts()
7    3
3    2
4    1
1    1
8    1
Name: Category, dtype: int64

使用value_counts你得到一个系列，其index是类别的元素，values是计数。因此，您可以使用map 或pandas.Series.replace 创建一个系列，并将category 值替换为计数中的值。最后将此系列分配给frequency 列

【讨论】：

【解决方案3】：

你可以使用下面的 group by 来做到这一点

df.groupby("Category") \
.apply(lambda g: g.assign(frequency = len(g))) \
.reset_index(level=0, drop=True)

【讨论】：