计算列中的值并分配给行答案

【问题标题】：Count values in column and assign to row计算列中的值并分配给行
【发布时间】：2020-08-03 14:32:28
【问题描述】：

我有一个这样的数据框：

    dT_sampleTime   steps      
0        0.002      0.001
1        0.004      0.002
2        0.004      0.003  
3        0.004      0.004  
4        0.003      0.005  
5        0.007      0.006
6        0.001      0.007

我想计算 dT_sampleTime 列中 step 值出现的频率，并创建一个新列的绝对频率。

    dT_sampleTime   steps    absolute frequency    
0       0.002       0.001            1              
1       0.004       0.002            1
2       0.004       0.003            1
3       0.004       0.004            3
4       0.003       0.005            0
5       0.007       0.006            0
6       0.001       0.007            1

我的想法是这样的：

df['absolute frequency'] = df.groupby(df['steps'],df['dT_sampleTime']).count

【问题讨论】：

标签： python pandas list histogram

【解决方案1】：

map 'steps' 列与'dt_sampleTime' 列的value_counts。然后用 0 填充缺失值。

df['absolute frequency'] = (df['steps'].map(df['dT_sampleTime'].value_counts())
                                       .fillna(0, downcast='infer'))

#   dT_sampleTime  steps  absolute frequency
#0          0.002  0.001                   1
#1          0.004  0.002                   1
#2          0.004  0.003                   1
#3          0.004  0.004                   3
#4          0.003  0.005                   0
#5          0.007  0.006                   0
#6          0.001  0.007                   1

当与 Series 进行映射时，它使用索引来查找适当的值。 value_counts 系列是

df['dT_sampleTime'].value_counts()
#0.004    3
#0.007    1
#0.001    1
#0.002    1
#0.003    1
#Name: dT_sampleTime, dtype: int64

例如，步骤列中的0.004 转到3。

【讨论】：

【解决方案2】：

循环遍历df
将每行的steps 值用作应用于dT_sampleTime 列的过滤器
生成的 DataFrame 中的行数是当前 steps 值在 dt_sampleTime 列中的绝对频率
将此值附加到absolute frequency 字段下的当前行

for i, row in df.iterrows():
     df.loc[i, 'absolute frequency'] = len(df[df['dT_sampleTime'] == row['steps']])

根据您原始问题中给出的示例生成df：

   dT_sampleTime  steps  absolute frequency
0          0.002  0.001                 1.0
1          0.004  0.002                 1.0
2          0.004  0.003                 1.0
3          0.004  0.004                 3.0
4          0.003  0.005                 0.0
5          0.007  0.006                 0.0
6          0.001  0.007                 1.0

我不确定这是实现您的目标的最有效方式，但它确实运作良好，应该适合您的目的。很高兴从任何人那里得到反馈，如果他们知道得更好并且会那么好。

【讨论】：