在 Pandas 中创建一列，计算另一列中唯一值的数量

Question

我尝试了几种方法来使其正常工作，但没有任何效果。所以，我将在这里给出我的整个过程。

我有一个数据框，我正在尝试计算其中的 1 列。数据存储在 csv 文件中。这是我目前将其导入数据框的方法：

import pandas as pd
df = pd.read_csv('csvfile.csv')

我的数据框如下所示：

index  id  name  dob       visit
0      111 Joe   1/1/2000  1/1/2018
1      111 Joe   1/1/2000  1/5/2018
2      122 Bob   1/1/1999  2/8/2018
3      133 Jill  1/2/1988  7/9/2017
4      111 Joe   1/1/2000  12/31/2018

因为每个客户将根据他们的访问次数在数据框中有多行，所以我想创建一个列，其中包含他们的 id 号在 id 列下显示的次数的计数。

我尝试了以下方法：

df['counts'] = df.groupby('id').id.count()

但这给了我每一行的 NaN 值。如果我切换到 size()，再次是 NaN。所以我决定把结果做成一个系列：

visits = df.groupby('id').id.count()

这给了我：

index  id
111    3
122    1
133    1

这不是我所需要的，但很接近。然后我尝试使用该系列更新我的数据框：

visitcounts = visits.to_frame()

我需要让索引成为一列，并且该列具有不同的名称。

visitcounts.rename(columns = {'id': 'visitnum'}, inplace = True) 访问次数['id'] = 访问次数.index

然后，将字段添加回数据框：

pd.merge(df, visitcounts, on=['id'], how='left')

没有任何改变。我做错了什么？

Answer 1

您可以为此使用pd.Series.value_counts：

df['count'] = df['id'].map(df['id'].value_counts())

结果：

   index   id  name       dob       visit  count
0      0  111   Joe  1/1/2000    1/1/2018      3
1      1  111   Joe  1/1/2000    1/5/2018      3
2      2  122   Bob  1/1/1999    2/8/2018      1
3      3  133  Jill  1/2/1988    7/9/2017      1
4      4  111   Joe  1/1/2000  12/31/2018      3

Answer 2

jpp 的解决方案可能是更清洁的方法，但为了澄清为什么您的代码不起作用：

您的问题是您要在visitcounts 中合并的id 实际上是您的索引，而不是名为id 的列：

>>> visitcounts
     id
id     
111   3
122   1
133   1

所以，如果你想使用merge，你可以合并visitcounts 的索引和df 的id 列，它应该可以工作：

# First rename column in visitcounts to `count`:

visitcounts.columns=['count']

# Then merge:
merged_df = pd.merge(df, visitcounts, left_on='id', right_index=True)

>>> merged_df
   index   id  name       dob       visit  count
0      0  111   Joe  1/1/2000    1/1/2018      3
1      1  111   Joe  1/1/2000    1/5/2018      3
4      4  111   Joe  1/1/2000  12/31/2018      3
2      2  122   Bob  1/1/1999    2/8/2018      1
3      3  133  Jill  1/2/1988    7/9/2017      1