Question

我有以下数据框：

df = pd.DataFrame([
    (A, A, 'Cat'),
    (A, A, 'Dog'),
    (A, A, 'Cat'),
    (A, B, 'Dog'),
    (B, B, 'Rat'),
    (B, C, 'Cat'),
    (B, C, 'Cat')
], columns=['id', 'group', 'Animal'])

我想通过'id'和'group'对其进行分组，并计算每组中'Cat'的出现次数。示例输出将是：

[2, 0 ,0, 2]

（AA组2'猫'，AB组0'猫'，BB组0'猫'，BC组2'猫'）

有人可以帮忙吗？谢谢！

Answer 1

您需要mask + groupby：

df.Animal = df.Animal.mask(df.Animal.ne('Cat'))
df.groupby(['id', 'group']).Animal.count().tolist()

[2, 0, 0, 2]

Answer 2

您可以使用value_counts

df.groupby(['id','group']).Animal.value_counts().unstack(fill_value=0).loc[:,'Cat'].tolist()
Out[144]: [2, 0, 0, 2]

更多信息在最后一步之前返回.loc

df.groupby(['id','group']).Animal.value_counts().unstack(fill_value=0)
Out[145]: 
Animal    Cat  Dog  Rat
id group               
A  A        2    1    0
   B        0    1    0
B  B        0    0    1
   C        2    0    0

Answer 3

您的问题与此 question 非常相似（如果不重复）。

当您想要执行一些不属于 Pandas 的聚合（例如 sum、max、min）时，您应该使用 apply method。

请注意，apply 可能会更慢，所以不要到处使用。

现在，对于你的问题，你从分组开始：

df.groupby(by=["id", "group"])

然后，您从组中选择 Animal 列：

df.groupby(by=["id", "group"])['Animal']

此时，您有来自每个不同组的 Animal 列的值，可以进行任何聚合。

让我们定义一个函数来计算 Pandas Cat 中的 Series：

def count_cat(series):
    return (series == 'Cat').sum()

您现在要做的就是将此函数传递给 apply 方法，如下所示：

df.groupby(by=["id", "group"])['Animal'].apply(count_cat).reset_index(name='count_cat')

结果是：

<头>

	id	组	count_cat
0	A	A	2
1	A	B	0
2	B	B	0
3	B	C	2

Answer 4

如果0个值不重要，则可以尝试：

solution <-
  data.frame(
    date = seq(min(source_data$start), max(source_data$end), by = 1)
  )

对不起，我的英语

特定值计入groupby

4 个答案: