Question

我有一个像这样的数据框。

df

    visit_date sex region status
0   2019-04-01   m     as   pass
1   2019-04-02   m     as   pass
2   2019-04-02   f     na   pass
3   2019-04-03   f     na   fail
4   2019-04-08   f     na   pass
5   2019-04-09   f     as   pass
6   2019-04-09   m     na   pass
7   2019-04-10   m     as   fail
8   2019-04-15   f     as   fail
9   2019-04-15   m     na   pass
10  2019-04-16   f     na   pass
11  2019-04-17   f     na   fail

visit_date是datetime，其余的是categorical（对象）。

我想每周统计每列中的每个值，然后将它们设置为列。

预期结果。

            f  m  as  na  fail  pass
visit_date                          
2019-04-07  2  2   2   2     1     3
2019-04-14  2  2   2   2     1     3
2019-04-21  3  1   1   3     2     2

我使用了pd.crosstab和groupby。

df.visit_date = pd.to_datetime(df.visit_date)

cols = ['sex', 'region', 'status']

df2 = pd.crosstab(df['visit_date'], df[cols[0]])

for i in range(1, len(cols)):
    df2 = df2.join(pd.crosstab(df['visit_date'], df[cols[i]]))

df2.groupby([pd.Grouper(level='visit_date', freq='1W')]).sum()

            f  m  as  na  fail  pass
visit_date                          
2019-04-07  2  2   2   2     1     3
2019-04-14  2  2   2   2     1     3
2019-04-21  3  1   1   3     2     2

问题是我必须再次分组，以每周对它们进行汇总，而且速度太慢。我的实际数据有〜100 +列和〜100万+行。

有没有更快的方法来获得相同的结果？

Answer 1

将DataFrame.melt与DataFrameGroupBy.size和Series.unstack一起使用以进行整形：

onChange

也可以创建cols = ['sex', 'region', 'status'] df1 = (df.melt(id_vars='visit_date', value_vars=cols) .groupby([pd.Grouper(key='visit_date', freq='1W'),'value']) .size() .unstack(fill_value=0)) print (df1) value as f fail m na pass visit_date 2019-04-07 2 2 1 2 2 3 2019-04-14 2 2 1 2 2 3 2019-04-21 1 3 2 1 3 2：

Multiindex

因此可以通过第一级进行选择：

cols = ['sex', 'region', 'status']
df2 = (df.melt(id_vars='visit_date', value_vars=cols)
         .groupby([pd.Grouper(key='visit_date', freq='1W'),'variable', 'value'])
         .size()
         .unstack(level=[1,2], fill_value=0))
print (df2)
variable   region    sex    status     
value          as na   f  m   fail pass
visit_date                             
2019-04-07      2  2   2  2      1    3
2019-04-14      2  2   2  2      1    3
2019-04-21      1  3   3  1      2    2

或展平值：

print (df2['region'])
value       as  na
visit_date        
2019-04-07   2   2
2019-04-14   2   2
2019-04-21   1   3

熊猫：在多个列上进行交叉表，然后在分组依据上进行

1 个答案: