Question

我对R更熟悉，但我想知道是否有办法在熊猫中做到这一点。我想从我的一个dataframe列创建唯一值的计数，然后将包含这些计数的新列添加到我的原始数据框中。我尝试过几种不同的东西。我创建了一个pandas系列，然后使用value_counts方法计算计数。我试图将这些值合并回原始数据帧，但我要合并的键是在索引（ix / loc）中。任何建议或解决方案将不胜感激

Color Value
Red   100
Red   150
Blue  50

我希望返回类似

的内容

Color Value Counts
Red   100   2
Red   150   2 
Blue  50    1

Answer 1

df['Counts'] = df.groupby(['Color'])['Value'].transform('count')

例如，

In [102]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})

In [103]: df
Out[103]: 
  Color  Value
0   Red    100
1   Red    150
2  Blue     50

In [104]: df['Counts'] = df.groupby(['Color'])['Value'].transform('count')

In [105]: df
Out[105]: 
  Color  Value  Counts
0   Red    100       2
1   Red    150       2
2  Blue     50       1

请注意，transform('count')会忽略NaN。如果要计算NaN，请使用transform(len)。

匿名编辑：如果您在使用transform('count')时收到错误，可能是因为您的Pandas版本太旧了。以上版本适用于熊猫版本0.15或更新版本。

Answer 2

另一个选择：

    z = df['Color'].value_counts 

    z1 = z.to_dict() #converts to dictionary

    df['Count_Column'] = df['Color'].map(z1)

此选项将为您提供一列重复计数值，与“颜色”列中每个值的频率相对应。

Answer 3

我最初的想法是使用列表推导，如下所示，但正如评论中指出的那样，这比groupby和transform方法慢。我将留下这个答案，以证明该怎么做：

In [94]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})
In [95]: df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
In [96]: df
Out[100]: 
  Color  Value  Counts
0   Red    100       2
1   Red    150       2
2  Blue     50       1

[3 rows x 3 columns]

对于具有多个列的DataFrame，@ unutbu的方法变得复杂，这使得编码变得更加简单。如果您使用的是小型数据框，则速度更快（见下文），但除此之外，您应该使用 NOT 来使用它。

In [97]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = df.groupby(['Color']).transform('count')
100 loops, best of 3: 2.87 ms per loop
In [98]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
1000 loops, best of 3: 1.03 ms per loop

Answer 4

此答案将Series.map与Series.value_counts一起使用。已通过Pandas 1.1进行了测试。

df['counts'] = df['attribute'].map(df['attribute'].value_counts())

信用：comment，由 sacuL

Answer 5

df['Counts'] = df.Color.groupby(df.Color).transform('count')

您可以使用任何系列进行此操作：将其单独分组并调用transform('count')：

>>> series = pd.Series(['Red', 'Red', 'Blue'])
>>> series.groupby(series).transform('count')
0    2
1    2
2    1
dtype: int64

Answer 6

创建一个包含重复值计数的列。这些值是从其他列计算的临时计算。非常快。归功于@ZakS。

sum_A_B = df['A']+df['B']
sum_A_B_dict = sum_A_B.value_counts().to_dict()
df['sum_A_B'] = sum_A_B.map(sum_A_B_dict)

我想在我的pandas数据帧中创建一个value_counts列

6 个答案: