如何聚合 DataFrame 中的 3 列以在 Python Pandas 中的分隔列中计算和分布值？

Question

我有如下所示的 Pandas DataFrame：

数据类型：

• ID - 整数

• 时间 - 整数

• TG-整数

  ID	TIME	TG
  111	20210101	0
  111	20210201	0
  111	20210301	1
  222	20210101	0
  222	20210201	1
  333	20210201	1

我需要在 DataFrame 上方进行汇总，以便了解：

1. TIME 中每个值有多少个 ID
2. TIME 中每个值有多少个来自 TG 的“1”
3. TIME 中每个值有多少个来自 TG 的“0”

   所以我需要像下面这样的东西：

   TIME     | num_ID | num_1 | num_0
   ---------|--------|-------|--------
   20210101 | 2      | 0     | 2
   20210201 | 3      | 2     | 1
   20210301 | 1      | 1     | 0
   

   我怎样才能在 Python Pandas 中做到这一点？

Answer 1

import pandas as pd

# Create the DataFrame
df = pd.DataFrame({
    'ID': [111, 111, 111, 222, 222, 333],
    'TIME': [20210101, 20210201, 20210301, 20210101, 20210201, 20210201],
    'TG': [0, 0, 1, 0, 1, 1]
})

# Group the DataFrame by the 'TIME' column
grouped_df = df.groupby('TIME')

# Aggregate the grouped DataFrame and create a new DataFrame
# that counts the number of IDs, number of 1s and number of 0s
# for each value in the 'TIME' column
result_df = grouped_df.agg({
    'ID': 'nunique',  # Count the number of unique IDs
    'TG':'sum' 
}).rename(columns={'ID': 'num_ID', 'TG': 'num_1'})

# Calculate the number of 0s in the 'TG' column
# by subtracting the number of 1s from the total number of entries
result_df['num_0'] = grouped_df['TG'].count() - result_df['num_1']

# Reorder the columns in the result DataFrame
result_df = result_df[['num_ID', 'num_1', 'num_0']]

# Print the result DataFrame
print(result_df)

Answer 2

使用GroupBy.size计算TIME值，使用crosstab计算0和1值：

df1 = (df.groupby('TIME').size().to_frame('num_ID')
         .join(pd.crosstab(df['TIME'], df['TG']).add_prefix('num_'))
         .reset_index())
print (df1)
       TIME  num_ID  num_0  num_1
0  20210101       2      2      0
1  20210201       3      1      2
2  20210301       1      0      1

如果只需要计算 GroupBy.agg 中的 0 和 1 值，另一个想法是：

df1 = (df.assign(num_0 = df['TG'].eq(0),
                num_1 = df['TG'].eq(1))
        .groupby('TIME').agg(num_ID = ('TG','size'),
                             num_1=('num_1','sum'),
                             num_0=('num_0','sum'),
                             )
        .reset_index()
        )
print (df1)
       TIME  num_ID  num_1  num_0
0  20210101       2      0      2
1  20210201       3      2      1
2  20210301       1      1      0