如何在计算值并放入不同列的同时对 DataFrame 进行分组？答案

【问题标题】：How can I groupby a DataFrame at the same time I count the values and put in different columns?如何在计算值并放入不同列的同时对 DataFrame 进行分组？
【发布时间】：2022-01-19 18:08:21
【问题描述】：

我有一个如下所示的 DataFrame

Index  Category  Class
 0        1        A
 1        1        A
 2        1        B
 3        2        A
 4        3        B
 5        3        B

我想获得一个按类别分组的输出数据框，并为每个类设置一列，并计算每个类别中该类的出现次数，例如下面的一个

Index Category   A   B
 0      1        2   1
 1      2        1   0
 2      3        0   2

到目前为止，我已经尝试了groupby 和agg 方法的各种组合，但我仍然无法得到我想要的。我也试过df.pivot_table(index='Category', columns='Class', aggfunc='count')，但它返回一个没有列的DataFrame。有什么想法可以在这种情况下起作用吗？

【问题讨论】：

标签： python pandas dataframe pandas-groupby

【解决方案1】：

您可以使用aggfunc="size" 来达到您想要的结果：

>>> df.pivot_table(index='Category', columns='Class', aggfunc='size', fill_value=0)

Class     A  B
Category
1         2  1
2         1  0
3         0  2

或者，您可以使用.groupby(...).size() 来获取计数，然后也可以通过 unstack 来重塑您的数据：

>>> df.groupby(["Category", "Class"]).size().unstack(fill_value=0)

Class     A  B
Category
1         2  1
2         1  0
3         0  2

【讨论】：

【解决方案2】：

分配一个虚拟值来计数：

out = df.assign(val=1).pivot_table('val', 'Category', 'Class',
                                   aggfunc='count', fill_value=0).reset_index()
print(out)

# Output
Class  Category  A  B
0             1  2  1
1             2  1  0
2             3  0  2

【讨论】：

【解决方案3】：

    import pandas as pd
df = pd.DataFrame({'Index':[0,1,2,3,4,5],
                   'Category': [1,1,1,2,3,3],
                   'Class':['A','A','B','A','B','B'],
              })
df = df.groupby(['Category', 'Class']).count()
df = df.pivot_table(index='Category', columns='Class')
print(df)

输出：

             Index     
Class        A    B
Category           
1          2.0  1.0
2          1.0  NaN
3          NaN  2.0

【讨论】：

【解决方案4】：

使用crosstab:

pd.crosstab(df['Category'], df['Class']).reset_index()

输出：

Class  Category  A  B
0             1  2  1
1             2  1  0
2             3  0  2

【讨论】：