Question

我已经尝试了几种方法来实现这一点并且没有任何效果。所以，我将在这里完成整个过程。

我有一个数据框，我试图计算1列。数据存储在csv文件中。这是我目前将其导入数据框的方法：

import pandas as pd
df = pd.read_csv('csvfile.csv')

我的数据框如下所示：

index  id  name  dob       visit
0      111 Joe   1/1/2000  1/1/2018
1      111 Joe   1/1/2000  1/5/2018
2      122 Bob   1/1/1999  2/8/2018
3      133 Jill  1/2/1988  7/9/2017
4      111 Joe   1/1/2000  12/31/2018

因为每个客户端在数据框中将根据他们访问的次数而拥有多行，所以我想创建一个列，其中包含id列下显示的ID号的次数。

我尝试过以下方法：

df['counts'] = df.groupby('id').id.count()

但是这给了我每行的NaN值。如果我切换到size（），再次NaN。所以我决定在结果中制作一系列文章：

visits = df.groupby('id').id.count()

这让我：

这不完全是我需要的，但接近。然后我尝试用系列更新我的数据框：

visitcounts = visits.to_frame()

我需要将索引作为列，并使该列具有不同的名称。

visitcounts.rename（columns = {＆＃39; id＆＃39;：＆＃39; visitnum＆＃39;}，inplace = True） visitscounts [＆＃39; id＆＃39;] = visitcounts.index

然后，将字段添加回数据帧：

pd.merge(df, visitcounts, on=['id'], how='left')

没有任何改变。我做错了什么？

Answer 1

jpp的解决方案可能是更简洁的方法，但为了澄清你的代码无法运作的原因：

您的问题是，id中要合并的visitcounts实际上是您的索引，而不是名为id的列：

>>> visitcounts
     id
id     
111   3
122   1
133   1

因此，如果您想使用merge，您可以合并visitcounts的索引以及id的{{1}}列，它应该有效：< / p>

df

Answer 2

您可以使用pd.Series.value_counts：

df['count'] = df['id'].map(df['id'].value_counts())

结果：

   index   id  name       dob       visit  count
0      0  111   Joe  1/1/2000    1/1/2018      3
1      1  111   Joe  1/1/2000    1/5/2018      3
2      2  122   Bob  1/1/1999    2/8/2018      1
3      3  133  Jill  1/2/1988    7/9/2017      1
4      4  111   Joe  1/1/2000  12/31/2018      3

在Pandas中创建一个列，用于计算另一列中唯一值的数量

2 个答案: