Question

我目前有以下内容：

   Business Name   Violation    Business License #   
   Place 1         Crime 1      111
   Place 1         Crime 2      222
   Place 2         Crime 3      333
   Place 3         Crime 4      444
   Place 3         Crime 5      444

我正在尝试获得以下信息：

Business Name   Violations    Business License #'s
  Place 1             2                 2
  Place 2             1                 1
  Place 3             2                 1

本质上，我只需要根据业务名称获取两个不同列的计数。到目前为止，这是我所知道的代码是错误的：

df.groupby(['Business Name','Business License #']).size()

任何帮助将不胜感激！

Answer 1

使用pandas.DataFrame.groupby.nunique：

df.groupby('Business Name')[['Violation','Business License #']].nunique()
               Violation  Business License #
Business Name                               
Place 1                2                   2
Place 2                1                   1
Place 3                2                   1

Answer 2

克里斯说得对，>>> rdd=["2\t{'3': 1}", "3\t{'2': 1}", "4\t{'1': 1, '2': 1}", "5\t{'4': 1, '2': 1, '6': 1}", "6\t{'2': 1, '5': 1}", "7\t{'2': 1, '5': 1}", "8\t{'2': 1, '5': 1}", "9\t{'2': 1, '5': 1}", "10\t{'5': 1}", "11\t{'5': 1}"] >>> rdd ["2\t{'3': 1}", "3\t{'2': 1}", "4\t{'1': 1, '2': 1}", "5\t{'4': 1, '2': 1, '6': 1}", "6\t{'2': 1, '5': 1}", "7\t{'2': 1, '5': 1}", "8\t{'2': 1, '5': 1}", "9\t{'2': 1, '5': 1}", "10\t{'5': 1}", "11\t{'5': 1}"] >>> rdd_1=sc.parallelize(rdd) >>> rdd_1.collect() ["2\t{'3': 1}", "3\t{'2': 1}", "4\t{'1': 1, '2': 1}", "5\t{'4': 1, '2': 1, '6': 1}", "6\t{'2': 1, '5': 1}", "7\t{'2': 1, '5': 1}", "8\t{'2': 1, '5': 1}", "9\t{'2': 1, '5': 1}", "10\t{'5': 1}", "11\t{'5': 1}"] >>> rdd_2=rdd_1.flatMap(lambda x:x.split("\t")[1].split(",")).map(lambda x:x.replace("'","").replace("'","")) >>> len(set(rdd_2.map(lambda x:x.replace('{','').replace('}','').replace(' ','').split(":")[0]).collect())) 6可以完成工作，但是之后您需要重设索引：

nunique

在熊猫数据框中获得基于另一列的两列频率计数

2 个答案: