使用 groupby 对多列进行 Value_counts答案

【问题标题】：Value_counts on multiple columns with groupby使用 groupby 对多列进行 Value_counts
【发布时间】：2018-08-25 03:41:40
【问题描述】：

我需要 Pandas 方面的帮助。

我有以下数据框：

df = pd.DataFrame({'1Country': ['FR', 'FR', 'GER','GER','IT','IT', 'FR','GER','IT'],
               '2City': ['Paris', 'Paris', 'Berlin', 'Berlin', 'Rome', 'Rome','Paris','Berlin','Rome'],
               'F1': ['A', 'B', 'C', 'B', 'B', 'C', 'A', 'B', 'C'],
               'F2': ['B', 'C', 'A', 'A', 'B', 'C', 'A', 'B', 'C'],
               'F3': ['C', 'A', 'B', 'C', 'C', 'C', 'A', 'B', 'C']})

screenshot

我正在尝试在前两列 1Country 和 2City 上执行 groupby 并在列 F1 和 F2 上执行 value_counts。到目前为止，我一次只能在 1 列上执行 groupby 和 value_counts

df.groupby(['1Country','2City'])['F1'].apply(pd.Series.value_counts)

如何在多个列上执行value_counts 并获得一个数据框？

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

您可以使用agg，类似以下内容：

df.groupby(['1Country','2City']).agg({i:'value_counts' for i in df.columns[2:]})

               F1   F2   F3
FR  Paris  A  2.0  1.0  2.0
           B  1.0  1.0  NaN
           C  NaN  1.0  1.0
GER Berlin A  NaN  2.0  NaN
           B  2.0  1.0  2.0
           C  1.0  NaN  1.0
IT  Rome   B  1.0  1.0  NaN
           C  2.0  2.0  3.0

【讨论】：

这个答案效果更好，因为我有很多列可以使用并且使用字典可能有点乏味。谢谢！

【解决方案2】：

您可以将字典传递给agg，如下所示：

df.groupby(['1Country', '2City']).agg({'F1': 'value_counts', 'F2': 'value_counts'})

【讨论】：

太棒了！非常感谢！