Pandas 数据透视表值计数答案

【问题标题】：Pandas pivot table value countsPandas 数据透视表值计数
【发布时间】：2020-05-02 09:10:09
【问题描述】：

我有一个格式为：

 Name     Score    Bin
 John     90       80-100
 Marc     30       20-40
 John     10       0-20
 David    20       0-20

...

我想创建一个如下所示的数据透视表：

Name    0-20    20-40    40-60    60-80    80-100   Total count   Avg score
John     1       2        nan      nan      2            5         60.53
Marc    nan      2        nan      nan     nan           2         32.13
David   3        2        nan      nan     nan           5         21.80

所以我想要有显示每个桶的值计数的列，以及值的总计数和平均分数。

我试过了

table = pd.pivot_table(df, values=['Score', "Bin"], index=["nAME"],
                   aggfunc={"Score" : np.average, "Bin" : "count"},
                    dropna=True, margins = True)

但是我只是得到总体计数，而不是按桶细分

【问题讨论】：

df.groupby('Name')['Bin'].value_counts().unstack('Bin')

标签： pandas pivot pivot-table

【解决方案1】：

分三步完成你的任务：

生成一个数据透视表：

df2 = pd.pivot_table(df, index='Name', columns='Bin', values='Score', aggfunc='count')\
    .reindex(columns=['0-20', '20-40', '40-60', '60-80', '80-100'])\
    .rename_axis(columns='')

结果，为您的源数据扩展以大致给出您的预期结果，是：

       0-20  20-40  40-60  60-80  80-100
Name                                    
David   3.0    2.0    NaN    NaN     NaN
John    1.0    2.0    NaN    NaN     2.0
Marc    NaN    2.0    NaN    NaN     NaN

注意：由于 NaN 是 float 的特例，其他值也是浮动类型。

生成 Total_count 和 Avg_score：

df3 = df.groupby('Name')\
    .agg(Total_count=('Score', 'count'), Avg_score=('Score', 'mean'))\
    .rename(columns={'Total_count': 'Total count', 'Avg_score': 'Avg score'})

结果是：

       Total count  Avg score
Name                         
David            5       21.8
John             5       61.0
Marc             2       32.0

加入以上两个表格：

result = df2.join(df3)

结果是：

       0-20  20-40  40-60  60-80  80-100  Total count  Avg score
Name                                                            
David   3.0    2.0    NaN    NaN     NaN            5       21.8
John    1.0    2.0    NaN    NaN     2.0            5       61.0
Marc    NaN    2.0    NaN    NaN     NaN            2       32.0

【讨论】：