Question

我通常使用value_counts()来获取值的出现次数。但是，我现在处理大型数据库表（无法将其完全加载到RAM中）并在1个月的时间内查询数据。

有没有办法存储value_counts()的结果并将其合并/将其添加到下一个结果中？

我想计算用户操作的数量。假设以下结构用户活动日志：

# month 1
id    userId     actionType
1     1          a
2     1          c
3     2          a
4     3          a
5     3          b

# month 2
id    userId     actionType
6     1          b
7     1          b
8     2          a
9     3          c

在这些产品上使用value_counts()：

# month 1
userId
1       2
2       1
3       2

# month 2
userId
1       2
2       1
3       1

预期产出：

# month 1+2
userId
1       4
2       2
3       3

到目前为止，我刚刚找到了一个使用groupby和sum的方法：

# count users actions and remember them in new column
df1['count'] = df1.groupby(['userId'], sort=False)['id'].transform('count')
# delete not necessary columns
df1 = df1[['userId', 'count']]
# delete not necessary rows
df1 = df1.drop_duplicates(subset=['userId'])

# repeat
df2['count'] = df2.groupby(['userId'], sort=False)['id'].transform('count')
df2 = df2[['userId', 'count']]
df2 = df2.drop_duplicates(subset=['userId'])

# merge and sum up
print pd.concat([df1,df2]).groupby(['userId'], sort=False).sum()

什么是pythonic / pandas＆＃39;合并几个系列的信息的方式＆＃39; （和数据帧）有效吗？

Answer 1

让我建议＆＃34;添加＆＃34;并且指定填充值为0.这比之前建议的答案有一个优势，即当两个Dataframe具有不同的唯一键集时，它将起作用。

# Create frames
df1= pd.DataFrame({'User_id': ['a','a','b','c','c','d'],'a':[1,1,2,3,3,5]})
df2= pd.DataFrame({'User_id': ['a','a','b','b','c','c','c'],'a' [1,1,2,2,3,3,4]})

现在添加两组values_counts（）。 fill_value参数将处理将出现的任何NaN值，在本例中为＆＃39; d＆＃39;出现在df1中，但不是df2。

a = df1.User_id.value_counts()
b = df2.User_id.value_counts()
a.add(b,fill_value=0)

Answer 2

您可以直接对series方法生成的value_counts求和：

#create frames
df= pd.DataFrame({'User_id': ['a','a','b','c','c'],'a':[1,1,2,3,3]})
df1= pd.DataFrame({'User_id': ['a','a','b','b','c','c','c'],'a':[1,1,2,2,3,3,4]})

总结系列：

df.User_id.value_counts() + df1.User_id.value_counts()

输出：

a    4
b    3
c    5
dtype: int64

Answer 3

这被称为＆＃34; Split-Apply-Combine＆＃34;。使用如下的lambda函数以1行和3-4次点击完成。

1️⃣将其粘贴到您的代码中：

df['total_for_this_label'] = df.groupby('label', as_index=False)['label'].transform(lambda x: x.count())

2️⃣将3x label替换为您正在计算其值的列的名称（区分大小写）

3️打印df.head（）以检查它是否正常工作

合并并总结了Pandas中的几个价值计数系列

3 个答案: