我有一个数据框（下面的玩具示例来自另一个帖子），您可以使用以下代码生成该数据框；我想按列'col1'和'col2'进行分组，并计算每个组中的出现次数，如下例所示：How to count number of rows per group (and other statistics) in pandas group by?
但是要像本例中那样将结果直接包括到我的数据框中（其中只有一列要分组）：Pandas, group by count and add count to original dataframe?
我尝试过：
df['count'] = df.groupby(['col1','col2']).transform('count')
并且：
df['count'] = df.groupby(['col1','col2'])[['col1','col2']].transform('count')
但是我两次都遇到相同的错误：
ValueError: Length of passed values is 10, index implies 0
有什么想法可以解决这个问题，而不必将结果合并到我的初始数据帧中吗？在R dplyr中，使用groupby，mutate和n()非常容易。...
玩具示例：
col1 col2 col3 col4 col5 col6
0 A B 0.20 -0.61 -0.49 1.49
1 A B -1.53 -1.01 -0.39 1.82
2 A B -0.44 0.27 0.72 0.11
3 A B 0.28 -1.32 0.38 0.18
4 C D 0.12 0.59 0.81 0.66
5 C D -0.13 -1.65 -1.64 0.50
6 C D -1.42 -0.11 -0.18 -0.44
7 E F -0.00 1.42 -0.26 1.17
8 E F 0.91 -0.47 1.35 -0.34
9 G H 1.48 -0.63 -1.14 0.17
生成玩具数据框的代码：
import numpy as np
import pandas as pd
keys = np.array([
['A', 'B'],
['A', 'B'],
['A', 'B'],
['A', 'B'],
['C', 'D'],
['C', 'D'],
['C', 'D'],
['E', 'F'],
['E', 'F'],
['G', 'H']
])
df = pd.DataFrame(
np.hstack([keys,np.random.randn(10,4).round(2)]),
columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6']
)
df[['col3', 'col4', 'col5', 'col6']] = df[['col3', 'col4',
'col5','col6']].astype(float)
答案 0 :(得分：1)
编辑
在@Alollz注释之后，可以将代码简化为一行，而无需串联：
df['count'] = df.groupby(['col1', 'col2'])['col1'].transform('size')
修改前的答案
解决方法是在应用分组依据之前先创建一个concatenated列。
之后，您可以在size方法中使用transform函数。
也许不是最优雅的，但它可以工作。
代码
# make a concatenated column
df['concat'] = df.col1 + df.col2
# perform the transformation asked
df['count'] = df.groupby(['concat'])['concat'].transform('size')
# drop the concat column
df.drop('concat', axis=1, inplace=True)
col1col2col3 col4 col5 col6 count
0 A B -0.62 0.09 0.92 1.45 4
1 A B 1.49 0.31 -0.40 -0.99 4
2 A B -1.30 1.01 -0.31 -0.32 4
3 A B -0.05 0.32 -1.45 -0.54 4
4 C D -1.30 1.26 1.80 0.50 3
5 C D 0.75 0.13 0.49 -2.37 3
6 C D 1.05 -0.96 -0.44 -1.00 3
7 E F 0.31 -0.93 -1.78 -1.49 2
8 E F -0.23 0.30 0.77 1.46 2
9 G H -0.67 0.88 -0.26 -1.09 1
希望这会有所帮助。
答案 1 :(得分：1)
如果将groupby（）的结果进行stack（），则结果将适合DataFrame行的长度。然后，reset_index（）将使其适合先前的DataFrame。
df['count'] = df.groupby(['col1', 'col2']).count().stack().reset_index()[0]
会给你...
import numpy as np
import pandas as pd
keys = np.array([
['A', 'B'],
['A', 'B'],
['A', 'B'],
['A', 'B'],
['C', 'D'],
['C', 'D'],
['C', 'D'],
['E', 'F'],
['E', 'F'],
['G', 'H']
])
df = pd.DataFrame(
np.hstack([keys,np.random.randn(10,4).round(2)]),
columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6']
)
df[['col3', 'col4', 'col5', 'col6']] = df[['col3', 'col4',
'col5','col6']].astype(float)
df_count = df.groupby(['col1', 'col2']).count()
print(df_count)
# col3 col4 col5 col6
# col1 col2
# A B 4 4 4 4
# C D 3 3 3 3
# E F 2 2 2 2
# G H 1 1 1 1
stacked_count = df_count.stack()
print(stacked_count)
# col1 col2
# A B col3 4
# col4 4
# col5 4
# col6 4
# C D col3 3
# col4 3
# col5 3
# col6 3
# E F col3 2
# col4 2
# col5 2
# col6 2
# G H col3 1
# col4 1
# col5 1
# col6 1
# dtype: int64
ndf = stacked_count.reset_index()[0]
print(ndf)
# 0 4
# 1 4
# 2 4
# 3 4
# 4 3
# 5 3
# 6 3
# 7 3
# 8 2
# 9 2
# 10 2
# 11 2
# 12 1
# 13 1
# 14 1
# 15 1
# Name: 0, dtype: int64
df['count'] = ndf
print(df)
# col1 col2 col3 col4 col5 col6 count
# 0 A B -0.81 -1.39 0.07 0.71 4
# 1 A B -1.37 1.72 -2.04 0.83 4
# 2 A B -1.81 -0.53 -1.27 -0.83 4
# 3 A B -1.05 -0.06 -1.78 0.81 4
# 4 C D -1.40 0.36 0.94 1.90 3
# 5 C D 0.65 0.49 -1.78 0.10 3
# 6 C D -0.57 -0.08 1.11 -0.73 3
# 7 E F 0.37 0.99 -1.62 -1.26 3
# 8 E F 0.09 -0.03 1.27 0.80 2
# 9 G H 0.26 0.71 0.05 0.48 2