Question

我有两个类别 A 和 B ，可以采用列表定义的 5种不同状态（值，名称或类别） ABCDE 即可。计算每个状态的出现并将其存储在数据帧中相当容易。但是，我还希望结果数据框中包含未在类别 A 或 B 中出现的可能值的零。

首先，这是一个与描述匹配的数据框：

在[1]中：

import pandas as pd
possibleValues = list('abcde')
df = pd.DataFrame({'Category A':list('abbc'), 'Category B':list('abcc')})
print(df)

出[1]：

        Category A      Category B
0       a               a
1       b               b
2       b               c
3       c               c

我尝试了df.groupby(...).size()和.count()的不同方法，并列出了可能的值列表和列表中类别的名称，但没有成功。

这是所需的输出：

        Category A      Category B
a       1               1
b       2               1
c       1               2
d       0               0
e       0               0

为了更进一步，我还希望在所有类别中包含一个列，其中包含每个可能状态的总计：

        Category A      Category B      Total
a       1               1               2
b       2               1               3
c       1               2               3
d       0               0               0
e       0               0               0

SO有很多相关的问题和答案，但据我所知，没有任何一个能够解决这一特定问题。谢谢你的任何建议！

P.S

我想使解决方案可以根据类别数量，可能的值和行数进行调整。

Answer 1

需要apply + value_counts + reindex + sum：

cols = ['Category A','Category B']
df1 = df[cols].apply(pd.value_counts).reindex(possibleValues, fill_value=0)
df1['total'] = df1.sum(axis=1)
print (df1)
   Category A  Category B  total
a           1           1      2
b           2           1      3
c           1           2      3
d           0           0      0
e           0           0      0

另一种解决方案是将列转换为categorical，然后在不0的情况下添加reindex个值：

cols = ['Category A','Category B']
df1 = df[cols].apply(lambda x: pd.Series.value_counts(x.astype('category', 
                                                                categories=possibleValues)))
df1['total'] = df1.sum(axis=1)
print (df1)
   Category A  Category B  total
a           1           1      2
b           2           1      3
c           1           2      3
d           0           0      0
e           0           0      0

计算数据框中特定值的出现次数，其中所有可能的值都由列表定义

1 个答案: