计算与 Python 中的组合相等的行数

Question

我有一个这样的数据框：

col1	col2	col3	col N
x	y	z	f
y	x	z	f
f	none	none	none
z	y	x	f

我需要计算相等的行，无论它们的组合如何。

这意味着，在这种情况下，输出应该是这样的：

col1	col2	col3	col N	freq
x	y	z	f	3
f	none	none	none	1

这是因为，根据输入数据集，有三行具有相同的序列（第 1 行、第 2 行和第 4 行）。

我尝试使用函数“value_counts”，但是，根据文档，该函数仅计算唯一值。

注意初始数据集包含 200 多列。

任何解决方案？

谢谢

Answer 1

您可以根据确切的逻辑（冻结集、排序元组等）将列聚合为唯一对象，然后计算执行groupby 的值：

我会使用：

out = df.agg(frozenset, axis=1).value_counts()

# or, if NaN should be ignored
out = df.agg(lambda x: frozenset(x.dropna()), axis=1).value_counts()

注意。如果您可以有多个值以及考虑这些值的内容，请使用 sorted 代替 frozenset

输出：

(x, y, f, z)    3
(f)             1
dtype: int64

如果您真的想要一个具有原始行之一的 DataFrame：

g = df.groupby(df.agg(frozenset, axis=1), as_index=False)
out = g.first().assign(freq=g['col1'].count())

输出：

  col1  col2  col3  colN  freq
0    x     y     z     f     3
1    f  None  None  None     1