如何计算列中的元素并将结果作为新列？

Question

名为df的数据帧如下所示。

import pandas as pd 
df = pd.DataFrame({'id': [1, 1, 3]})

Input:

   id
0   1
1   1
2   3

我想计算每个id的数量，并将结果作为新列count。

Expected:

    id  count
0   1       2
1   1       2
2   3       1

Answer 1

pd.factorize和np.bincount

我的最爱。 factorize不排序，时间复杂度为O(n)。对于大数据集，factorize胜过np.unique

i, u = df.id.factorize()
df.assign(Count=np.bincount(i)[i])

   id  Count
0   1      2
1   1      2
2   3      1

---

np.unique和np.bincount

u, i = np.unique(df.id, return_inverse=True)
df.assign(Count=np.bincount(i)[i])

   id  Count
0   1      2
1   1      2
2   3      1

Answer 2

通过在count上进行分组，然后在transforming与value_counts（或size）进行分组的情况下，将新的id列分配给数据框。

>>> f.assign(count=f.groupby('id')['id'].transform('value_counts'))
   id  count
0   1      2
1   1      2
2   3      1

Answer 3

将Series.map与Series.value_counts一起使用：

df['count'] = df['id'].map(df['id'].value_counts())
#alternative
#from collections import Counter
#df['count'] = df['id'].map(Counter(df['id']))

详细信息：

print (df['id'].value_counts())
1    2
3    1
Name: id, dtype: int64

或者用GroupBy.transform返回Series，其大小与原始DataFrame相同，并返回GroupBy.size：

df['count'] = df.groupby('id')['id'].transform('size')
print (df)
   id count
0   1     2
1   1     2
2   3     1