Pandas和groupby计算两个不同列中的匹配数

时间:2018-02-08 19:37:54

标签: python pandas dataframe pandas-groupby

我想计算一个pandas数据帧中groupby之后的匹配数。

claim   event   material1   material2
A       X       M1          M2
A       X       M2          M3
A       X       M3          M0
A       X       M4          M4
A       Y       M5          M5
A       Y       M6          M0
B       Z       M7          M0
B       Z       M8          M0

首先,我按照对索赔事件进行分组,对于每个组,我想计算列material1和material 2之间的匹配数

对于小组来说,我有grouped = df.groupby(['claim', 'event']),但后来我不知道如何比较这两个新列。

它应该返回以下数据帧:

claim   event   matches
A       X       3          
A       Y       1          
B       Z       0          

你知道怎么做吗?

1 个答案:

答案 0 :(得分:3)

使用isin用于比较列,按比例分组使用汇总sum,最后投放到intreset_index用于MultiIndex的列:

a = (df['material1'].isin(df['material2']))
df = a.groupby([df['claim'], df['event']]).sum().astype(int).reset_index(name='matches')

分配给新列的解决方案:

df['matches'] = df['material1'].isin(df['material2']).astype(int)
df = df.groupby(['claim', 'event'])['matches'].sum().reset_index()

@Wen的解决方案,谢谢你:

df['matches'] = df['material1'].isin(df['material2']).astype(int)
df = df.groupby(['claim', 'event'], as_index=False)['matches'].sum()

我认为较大的DataFrame s:

应该更慢
df = (df.groupby(['claim', 'event'])
                  .apply(lambda x : x['material1'].isin(x['material2']).astype(int).sum())
                  .reset_index(name='matches'))
print (df)
  claim event  matches
0     A     X        3
1     A     Y        1
2     B     Z        0