Question

从一个非唯一的熊猫系列开始，可以用.value_counts()计算每个唯一值的数量。

>> col = pd.Series([1.0, 1.0, 2.0, 3.0, 3.0, 3.0])

0    1.0
1    1.0
2    2.0
3    3.0
4    3.0
5    3.0
dtype: object

>> stat = col.value_counts()
>> stat
3.0    3
1.0    2
2.0    1
dtype: int64

但是，如果从两列的数据帧开始，则一个表示唯一值，而另一个表示出现次数。（上一示例中的stat）。如何将它们扩展为单个列。

因为我想计算这样一个数据框中的数据的中位数，均值等，所以我认为描述单个列要容易得多。还是有任何方法无需扩展数据即可直接描述“ value_count”数据帧？

# turn `stat` into col ???

>> col.describe()
count    6.000000
mean     2.166667
std      0.983192
min      1.000000
25%      1.250000
50%      2.500000
75%      3.000000
max      3.000000

添加测试数据

>> df = pd.DataFrame({"Name": ["A", "B", "C"], "Value": [1,2,3], "Count": [2, 10, 2]})
>> df
  Name  Value  Count
0    A      1      2
1    B      2      5
2    C      3      2

df2 = _reverse_count(df)
>> df2
  Name  Value 
0    A      1 
1    A      1
2    B      2 
3    B      2
4    B      2  
5    B      2  
6    B      2  
7    B      2
8    C      3
9    C      3

Answer 1

您可以使用repeat中的numpy功能

import pandas as pd
import numpy as np
col = pd.Series([1.0, 1.0, 2.0, 3.0, 3.0, 3.0])
stats=col.value_counts()
pd.Series(np.repeat(stats.index,stats))
# 0    3.0
# 1    3.0
# 2    3.0
# 3    1.0
# 4    1.0
# 5    2.0
# dtype: float64

更新：

对于多列，您可以使用

df.loc[df.index.repeat(df['Count'])]

熊猫数据框中的.value_counts（）的反向操作是什么？

1 个答案:

更新：