我有一个包含
列的数据框这里user_id是df的索引。我想通过user_id和item_bought进行分组,并为用户获取项目明智的计数。我该怎么做。
由于
答案 0 :(得分:31)
这应该有效:
>>> df = pd.DataFrame(np.random.randint(0,5,(6, 2)), columns=['col1','col2'])
>>> df['ind1'] = list('AAABCC')
>>> df['ind2'] = range(6)
>>> df.set_index(['ind1','ind2'], inplace=True)
>>> df
col1 col2
ind1 ind2
A 0 3 2
1 2 0
2 2 3
B 3 2 4
C 4 3 1
5 0 0
>>> df.groupby([df.index.get_level_values(0),'col1']).count()
col2
ind1 col1
A 2 2
3 1
B 2 1
C 0 1
3 1
我使用multiindex中的一个列时遇到了同样的问题。使用multiindex,你不能使用df.index.levels [0],因为它只有那个特定索引级别的不同值,并且很可能与整个数据帧的大小不同......
check http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Index.get_level_values.html - get_level_values"返回请求级别的标签值向量,等于索引的长度"
答案 1 :(得分:2)
import pandas as pd
import numpy as np
In [11]:
df = pd.DataFrame()
In [12]:
df['user_id'] = ['b','b','b','c']
In [13]:
df['item_bought'] = ['x','x','y','y']
In [14]:
df['ct'] = 1
In [15]:
df
Out[15]:
user_id item_bought ct
0 b x 1
1 b x 1
2 b y 1
3 c y 1
In [16]:
pd.pivot_table(df,values='ct',index=['user_id','item_bought'],aggfunc=np.sum)
Out[16]:
user_id item_bought
b x 2
y 1
c y 1
答案 2 :(得分:1)
我遇到了同样的问题-导入了一堆数据,我想对作为索引的字段进行分组。我没有多重索引或爵士乐,也没有。
我发现问题在于我想要的字段是索引,所以起初我只是重置了索引-但这给了我一个我不需要的无用的索引字段。因此,我现在执行以下操作(两个级别的分组):
grouped = df.reset_index().groupby(by=['Field1','Field2'])
然后我可以通过多种方式将“分组”用于不同的报告
grouped[['Field3','Field4']].agg([np.mean, np.std])
(这就是我想要的,为我提供了Field4和Field3的平均值,并按Field1(索引)和Field2分组
对于您来说,如果您只想对每个用户的项目进行计数,则可以使用groupby在一行中编写代码,
df.reset_index().groupby(by=['user_id']).count()
如果您想做更多的事情,则可以(像我一样)创建“分组”,然后使用它。作为一个初学者,我发现更容易遵循这种方式。
请注意,“ reset_index”不在“适当位置”,因此不会弄乱您的原始数据框