Question

（我确信这是一个重复的问题 - 对不起，我无法弄清楚这一点。）

我有数百个* csv文件，我想计算一列的分类变量。值得庆幸的是，这些文件已经被清理，因此它们具有保存格式。表格格式的示例文件：

import pandas as pd
import numpy as np
df = pd.DataFrame({"column1": ["value1", "value2", "value3", "value4", "value5", "value6", "value7"], 
                   "column2" : ["element_A", "element_A", "element_B", "element_A", "element_B", "element_B", "element_A"],
                   "column3" : ["item22", "item6", "item7", "item42", "item49", "item91", "item3"],
                   "column4" : ["abc", "edf", "edf", "abc", "edf", "xyz", "abc"]})
df = df[["column1", "column2", "column3", "column4"]]


df

输出

    column1 column2     column3 column4
0   value1  element_A   item22  abc
1   value2  element_A   item6   edf
2   value3  element_B   item7   edf
3   value4  element_A   item42  abc
4   value5  element_B   item49  edf
5   value6  element_B   item91  xyz
6   value7  element_A   item3   abc

对于每个文件，我想计算`column4＆＃39;中的项目数，并在＆＃34;主表＆＃34;中为每个文件输出这些统计信息，每行一个文件名，例如< / p>

            abc    def    xyz
filename1   3      3      1
filename2   42     0      7 
filename3   0      16     4
filename4   4      71     21
....

我的方法是glob每个文件名，然后使用groupby进行计数。但是，我遇到了错误：

import pandas as pd
import glob

final = pd.Dataframe()
files = glob.glob("*.csv")
for filename in files:
    df = pd.read_table(filename)
    df["filename"] = str(filename)
    df = df.groupby("column4").count().unstack("column4").fillna(0).astype(int)
    final = final.append(df, ignore_index=True)

当然，这里有一个错误：

 df = df.groupby("column4").count().unstack("column4").fillna(0).astype(int)

因为这会计算df

中每列的值

         column4
column1  abc        3
         edf        3
         xyz        1
column2  abc        3
         edf        3
         xyz        1
column3  abc        3
         edf        3
         xyz        1
dtype: int64

我正在制造的n00b错误是什么？

Answer 1

我认为你应该使用value_counts，如下所示：

final = pd.DataFrame()
for filename in files:
    df = pd.read_table(filename)
    new_row = df['column4'].value_counts().set_value('filename', filename)
    final = final.append(new_row, ignore_index=True)

计算整个数据框的列中的分类值总数

1 个答案: