如何将熊猫数据框中的列填充为分组出现的次数

Question

假设我具有以下熊猫数据框，其中col_1只能采用值1.0或0.0：

+-------+---------+
| score | col_a   | 
+-------+---------+
|   10  |  1.0    |
|   15  |  0.0    |
|   12  |  0.0    |
|   12  |  0.0    |
+-------+---------+

我想创建以下数据框，该数据框基本上按分数分组，然后填充每个分数的计数，其中col_a = 1.0或col_a = 0.0

+--------+----------|---------+
| score  |  col_a_1 | col_a_0 |
+--------+----------+---------+
| 10     |    1     |     0   |
| 15     |    0     |     1   |
| 12     |    0     |     2   |
+--------+----------+---------+

我知道这是由op分组的，但是我不确定如何将计数填充到新列中。

Answer 1

定义一个函数，计算在 col_a 中出现的 0 和 1 当前行组中的列：

def cnt(grp):
    n0 = grp.col_a[grp.col_a == 0].size
    n1 = grp.col_a[grp.col_a == 1].size
    return pd.Series([n1, n0], index=['col_a_1', 'col_a_0'])

然后应用此功能：

df.groupby('score', sort=False).apply(cnt).reset_index()

对于您的样本数据，结果为：

   score  col_a_1  col_a_0
0     10        1        0
1     15        0        1
2     12        0        2

Answer 2

由于您的列是二进制的，您可以轻松完成

col_a_1 = df.groupby('score').sum() col_a_0 = df.groupby('score').count()- col_a_1 pd.concat([col_a_0.add_suffix('_0'), col_a_1.add_suffix('_1')], axis=1)