Question

我有这种数据帧df：

User,C,G
111,ar,1
112,es,1
112,es,1
112,es,2
113,es,2
113,es,3
113,es,3
114,es,4

我想要输出的是：

G,nU,ar,es
1,2,1,1
2,2,0,2
3,1,0,1
4,1,0,1

基本上，对于每个G，我会计算User列中其中nU的不同数量以及C中字符串的出现次数。每个用户都有一个唯一的C值。例如，在G数字1中我有两个用户（111和112），其中一个出现在'ar'中，一个出现在'es'中（无论是否有两个112出现，我只需要（ 112，'es'）单身情侣）。总结'ar'和'es'列应返回nU列。到目前为止，我试过这个：

d = df.reset_index().groupby('G')['User'].nunique()

正确返回用户数但没有关于C列的信息。

很抱歉这可能造成混乱。

Answer 1

给定df，

result = df.groupby(['G', 'User'])['C'].value_counts()

产量

G  User    
1  111   ar    1
   112   es    2
2  112   es    1
   113   es    1
3  113   es    2
4  114   es    1
dtype: int64

这会计算ar和es的每次出现次数。我们真的只想计算唯一出现次数，所以让我们将系列中的每个值设置为1：

result[:] = 1

以便result看起来像

G  User    
1  111   ar    1
   112   es    1
2  112   es    1
   113   es    1
3  113   es    1
4  114   es    1
dtype: int64

现在，如果我们按照第一个和最后一个索引级别（G值和C值）进行分组，并对每个组求和，

result = result.groupby(level=['G',-1]).sum()

我们得到了

G    
1  ar    1
   es    1
2  es    2
3  es    1
4  es    1
dtype: int64

现在我们可以取消堆叠最后一个索引级别：

result = result.unstack()

获取

   ar  es
G        
1   1   1
2 NaN   2
3 NaN   1
4 NaN   1

用零填充NaN：

result = result.fillna(0)

定义nU列和行的总和：

result['nU'] = result.sum(axis=1)

并重新排序列：

result = result[['nU', 'ar', 'es']]

全部放在一起：

import pandas as pd
df = pd.read_csv('data')
result = df.groupby(['G', 'User'])['C'].value_counts()
result[:] = 1
result = result.groupby(level=['G',-1]).sum()
result = result.unstack()
result = result.fillna(0)
result['nU'] = result.sum(axis=1)
result = result[['nU', 'ar', 'es']]

产量

   nU  ar  es
G            
1   2   1   1
2   2   0   2
3   1   0   1
4   1   0   1

熊猫 - 组和计数nunique值

1 个答案: