在熊猫中创建直方图

Question

我正在尝试根据以下 groupby 创建直方图，

dfm.groupby(['ID', 'Readings', 'Condition']).size:
578871001  20110603         True    1
           20110701         True    1
           20110803         True    1
           20110901         True    1
           20110930         True    1
                                          ..
324461897  20130214         False            1
           20130318         False            1
           20130416         False            1
           20130516         False            1
           20130617         False            1
532674350  20110616         False            1
           20110718         False            1
           20110818         False            1
           20110916         False            1
           20111017         False            1
           20111115         False            1
           20111219         False            1

但是，我正在尝试按Condition 格式化输出并将ID 和Readings 的数量分组。像这样的，

True
 # of Readings: # of ID
  1 : 5
  2 : 8
  3 : 15
  4 : 10
  5 : 4

我尝试过仅按 ID 和 Readings 分组，并按 Condition 进行转换，但还没有走得很远。

编辑：

这是 groupby 之前数据框的样子：

         CustID     Condtion      Month          Reading  Consumption
0     108000601         True       June         20110606      28320.0
1     108007000         True       July         20110705      13760.0
2     108007000         True     August         20110804      16240.0
3     108008000         True  September         20110901      12560.0
4     108008000         True    October         20111004      12400.0
5     108000601        False   November         20111101       9440.0
6     108090000        False   December         20111205      12160.0

Answer 1

这是您想要通过groupby 实现的目标吗？我已经包含Counter 来跟踪每个读数的计数。例如，对于 Condtion = False，有两个 CustID 有一个读数，所以第一行的输出是：

Condtion
False   1  2  # One reading, two observations of one reading.

然后，对于 Condtion = True，有一个客户有一个读数 (108000601) 和两个客户每个有两个读数。该组的输出是：

Condtion
True   1  1  # One customer with one reading.
       2  2  # Two customers with two readings each.


from collections import Counter

gb = df.groupby(['Condtion', 'CustID'], as_index=False).Reading.count()
>>> gb
  Condtion     CustID  Reading
0    False  108000601        1
1    False  108090000        1
2     True  108000601        1
3     True  108007000        2
4     True  108008000        2

>>> gb.groupby('Condtion').Reading.apply(lambda group: Counter(group))

Condtion   
False     1    2
True      1    1
          2    2
dtype: float64

或者，作为一条语句链接在一起：

gb = (df
      .groupby(['Condtion', 'CustID'], as_index=False)['Reading']
      .count()
      .groupby('Condtion')['Reading']
      .apply(lambda group: Counter(group))
)