Question

我有这样的数据框。

c_name      p_name    
  A           X
  B           Y
  B           A1
  C           ZX
  D           G4
  D           H9

我想要每个p_name的每个c_name的频率。我使用

在R中获得正确的输出

data.frame(table(df1$c_name,df1$p_name))

但是在python中如果我申请的话 pd.crosstab(df1['c_name'],df1['p_name'])它正在给出结果，但格式不正确。

我的期望是：

c_name      p_name    Freq
  A           X        1
  B           X        0
  B           X        0
  C           X        0
  D           X        0
  D           X        0
  A           Y        0
  B           Y        1
  B           Y        0
  C           Y        0
  D           Y        0
  D           Y        0  ..........so on.

提前致谢。

Answer 1

   c_name p_name  Freq
0       A     A1     0
1       A     G4     0
2       A     H9     0
3       A      X     1
4       A      Y     0
5       A     ZX     0
6       B     A1     1
7       B     G4     0
8       B     H9     0
9       B      X     0
10      B      Y     1
11      B     ZX     0
12      C     A1     0
13      C     G4     0
14      C     H9     0
15      C      X     0
16      C      Y     0
17      C     ZX     1
18      D     A1     0
19      D     G4     1
20      D     H9     1
21      D      X     0
22      D      Y     0
23      D     ZX     0

这将给出：

weekdays=(MO TU WE TH FR SA SU)
wdpat=$(IFS=\|; echo "${weekdays[*]}")

while read name days || [[ -n $name ]]; do
    for day in $days; do
        if [[ $day = @($wdpat) ]]; then
            # safe because day contains MO .. SU
            eval "$day"'+=( "$name" )'
        fi
    done
done

for day in "${weekdays[@]}"; do
    ref="$day"'[@]'
    echo "$day: ${!ref}"
done

Answer 2

使用groupby和size的解决方案，如果还需要缺少值，请添加reindex并将其替换为0：

mux = pd.MultiIndex.from_product([df1['c_name'], df1['p_name']], names=['c_name','p_name'])
df1 = df1.groupby(['c_name','p_name']).size()
         .reindex(mux, fill_value=0).reset_index(name='Freq')

print (df1)
   c_name p_name  Freq
0       A      X     1
1       A      Y     0
2       A     A1     0
3       A     ZX     0
4       A     G4     0
5       A     H9     0
6       B      X     0
7       B      Y     1
8       B     A1     1
9       B     ZX     0
10      B     G4     0
11      B     H9     0
12      B      X     0
13      B      Y     1
14      B     A1     1
15      B     ZX     0
16      B     G4     0
17      B     H9     0
18      C      X     0
19      C      Y     0
20      C     A1     0
21      C     ZX     1
22      C     G4     0
23      C     H9     0
24      D      X     0
25      D      Y     0
26      D     A1     0
27      D     ZX     0
28      D     G4     1
29      D     H9     1
30      D      X     0
31      D      Y     0
32      D     A1     0
33      D     ZX     0
34      D     G4     1
35      D     H9     1

<强>计时：

解决方案更快，因为没有stack：

In [197]: %timeit pd.crosstab(df1['c_name'], df1['p_name']).stack().reset_index(name='Freq')
100 loops, best of 3: 6.74 ms per loop

In [198]: %timeit  df1.groupby(['c_name','p_name']).size().reindex(pd.MultiIndex.from_product([df1['c_name'], df1['p_name']], names=['c_name','p_name']), fill_value=0).reset_index(name='Freq')
100 loops, best of 3: 3.12 ms per loop

python

2 个答案: