如何在pandas groupby中获得最小出现次数答案

【问题标题】：How to get minimum number of occurrences of value in pandas groupby如何在pandas groupby中获得最小出现次数
【发布时间】：2020-07-23 07:17:39
【问题描述】：

          home_team_name  home_team_goal_count
0         Bayern München                     2
1         Bayern München                     2
2         Bayern München                     1
3                   Köln                     2
4                   Köln                     2

我按变量 home_team_name 上的数据分组。

df.groupby("home_team_name")

home_team_goal_count 的值只能是 2 或 1。我想获取最小出现次数每组中的值。我想要的结果是 1 代表拜仁慕尼黑，0 代表科隆。为了说明拜仁慕尼黑有 2 次 2 和 1 次 1，因此最小值为 1。科隆有 2 次 2 和 0 次 1，因此最小值为 0。

【问题讨论】：

标签： python pandas dataframe pandas-groupby

【解决方案1】：

SeriesGroupBy.value_counts 的第一个计数值，对所有组合 1,2 重新整形并添加 0，最后通过min 得到最小值：

s = (df.groupby("home_team_name")['home_team_goal_count']
       .value_counts()
       .unstack(fill_value=0)
       .min(axis=1))

print (s)
home_team_name
Bayern München    1
Köln              0
dtype: int64

详情：

print (df.groupby("home_team_name")['home_team_goal_count']
         .value_counts()
         .unstack(fill_value=0))
home_team_goal_count  1  2
home_team_name            
Bayern München        1  2
Köln                  0  2

如果可能，只需要1 或输入数据中的2 值reindex：

s = (df.groupby("home_team_name")['home_team_goal_count']
       .value_counts()
       .unstack(fill_value=0)
       .reindex([1, 2], axis=1, fill_value=0) 
       .min(axis=1))

【讨论】：

【解决方案2】：

让我们尝试使用pd.crosstab：

pd.crosstab(df['home_team_name'], df['home_team_goal_count'])\
    .reindex([1, 2], axis=1, fill_value=0).min(1)

结果：

home_team_name
Bayern München    1
Köln              0
dtype: int64

【讨论】：

【解决方案3】：

import pandas as pd
import numpy as np
list1=['Bayern Munchen','Bayern Munchen','Bayern Munchen','FC Koln','FC Koln']
list2=[2,2,1,2,2]
d={'Home Team Name':list1,'Home Team Goal Count':list2}
data=pd.DataFrame(d)

data['Name']= data['Home Team Name'] +" "+ data['Home Team Goal Count'].astype(str)

data['Name']
Out[39]: 
0    Bayern Munchen 2
1    Bayern Munchen 2
2    Bayern Munchen 1
3           FC Koln 2
4           FC Koln 2

name,count=np.unique(data['Name'].tolist(),return_counts=True)

name=[' '.join(x.split(' ')[:-1]) for x in name]

name
Out[99]: ['Bayern Munchen', 'Bayern Munchen', 'FC Koln']

min_val=pd.DataFrame({"Name":name,"Count":count})

name=[]
min_val_count=[]
for x in min_val.Name.unique():
    name.append(min_val[min_val.Name!=x].min()[0])
if min_val[min_val.Name!=x].min()[1]==2:
    min_val_count.append(0)
else:
    min_val_count.append(min_val[min_val.Name!=x].min()[1])


minimum_val_dict=dict(zip(name,min_val_count))

minimum_val_dict
Out[104]: {'FC Koln': 0, 'Bayern Munchen': 1}

与上述答案相比，版本稍长。

【讨论】：

【解决方案4】：

甚至另一种方法是使用分类变量，因为状态集是有限的。所以：

(
    df
    .astype({"home_team_goal_count": "category"})
    .groupby("home_team_name")["home_team_goal_count"]
    .apply(lambda x: x.value_counts().min())
)

如果您想知道哪个值出现最少，可以调用.idxmin() 而不是.min()。

【讨论】：