Question

我想计算熊猫数据框特定列上每个元素的频率，然后用频率出现次数标记每一行。

大多数常见解决方案是如何计算列的每个元素的频率，例如：count the frequency that a value occurs in a dataframe column

我有一个基本代码，例如：

df = pd.DataFrame({ 'A': ['foo', 'bar', 'g2g', 'g2g', 'g2g',  
                                'bar', 'bar', 'foo', 'bar'], 
                   'B': ['a', 'b', 'a', 'b', 'b', 'b', 'a', 'a', 'b'] }) 

print(df)

输出：

     A  B
0  foo  a
1  bar  b
2  g2g  a
3  g2g  b
4  g2g  b
5  bar  b
6  bar  a
7  foo  a
8  bar  b

进一步：df['freq'] = df.groupby('B')['B'].transform('count')输出：

    A  B  freq
0  foo  a     4
1  bar  b     5
2  g2g  a     4
3  g2g  b     5
4  g2g  b     5
5  bar  b     5
6  bar  a     4
7  foo  a     4
8  bar  b     5

在按“ B”列分组后，我想要以下内容：

    A  B  freq_occurance
0  foo  a     1
1  bar  b     1
2  g2g  a     2
3  g2g  b     2
4  g2g  b     3
5  bar  b     4
6  bar  a     3
7  foo  a     4
8  bar  b     5

这意味着，如果列“ B”中的值“ a”具有频率4，则出现“ a”的第一行将被标记为1，第二行具有“ a”的行将被标记为2，依此类推。。此逻辑适用于“ B”列下的所有唯一值。

Answer 1

您可以使用transform并将索引（在reset_index之后）作为值，然后加上一个（新索引从0开始）。

df['freq2'] = df.groupby('B')['B'].transform(lambda x: x.reset_index().index).add(1)

A   B   freq    freq2
0   foo a   4   1
1   bar b   5   1
2   g2g a   4   2
3   g2g b   5   2
4   g2g b   5   3
5   bar b   5   4
6   bar a   4   3
7   foo a   4   4
8   bar b   5   5

Answer 2

cumcount是您所需要的：

df['freq_occurance'] = df.groupby('B').cumcount() + 1

计算熊猫数据帧中一列值的频率，并用频率出现次数标记每一行

2 个答案: