Question

我有一个看起来像这样的数据框（df）：

HOUSEID    PERSONID      WHY_TRP
20000017      1            1
20000017      1            1
20000017      1            1
20000017      2            1
20000017      2            3
20000231      1            11
20000231      1            11
20000231      2            11
20000521      1            11
20000521      2            11
20000521      2            3

每一行都描述一个人的旅程。我有另一种相同类型的数据框，其中每一行都描述一个人（df_p）：

    HOUSEID   PERSONID   
    20000017      1      
    20000017      2     
    20000231      1    
    20000231      2    
    20000521      1    
    20000521      2

我想在第二个数据框中添加三个新列，以显示每个人的1、3和11的频率。基本上，我已经有了另一个具有其他功能的数据帧（df_p），所以我不应该使用groupby。由于某些原因，第一个和第二个数据框的人数不相同。这就是为什么我需要以下策略。这是我尝试的代码，但要花几个小时才能完成（100万次迭代）：

df_p.insert(2, 'WHY_TRP_1', 0)
df_p.insert(3, 'WHY_TRP_2', 0)
df_p.insert(4, 'WHY_TRP_3', 0)

def trip_counter(i, r):
  if r[2] == 1:
    df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] == r[1]), ['WHY_TRP_1']] += 1 
  elif r[2] == 3:
    df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] ==  r[1]), ['WHY_TRP_3']] += 1 
  elif r[2] == 11:
    df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] ==  r[1]), ['WHY_TRP_11']] += 1


for i ,r in df.iterrows():
  trip_counter(i ,r)

输出：

     HOUSEID   PERSONID   WHY_TRP_1     WHY_TRP_3      WHY_TRP_11
    20000017      1            3            0            0
    20000017      2            1            1            0
    20000231      1            0            0            2
    20000231      2            0            0            1
    20000521      1            0            0            1
    20000521      2            0            1            1

有更快的方法吗？

谢谢

Answer 1

使用pd.get_dummies，.groupby().sum()和pd.merge（）将其返回到原始数据帧中（编辑：我刚才在pd.merge逻辑中添加了内容，以在回答后完全回答您的问题再看一遍。这个答案吗？）

df1 = pd.get_dummies(df, columns=['WHY_TRP']).groupby(['HOUSEID', 'PERSONID']).sum().reset_index()
df2 = pd.merge(df, df1, how='left', on=['HOUSEID', 'PERSONID'])
df2

Answer 2

IIUC：

(df.groupby(['HOUSEID','PERSONID'])
  .WHY_TRP.value_counts()
  .unstack(fill_value=0)
  .add_prefix('WHY_TRP_')
  .reset_index()
)

输出：

WHY_TRP   HOUSEID  PERSONID  WHY_TRP_1  WHY_TRP_3  WHY_TRP_11
0        20000017         1          3          0           0
1        20000017         2          1          1           0
2        20000231         1          0          0           2
3        20000231         2          0          0           1
4        20000521         1          0          0           1
5        20000521         2          0          1           1

根据另一个数据框的列填充熊猫数据框列

2 个答案: