按列分组，计算另一列中值的出现次数并将这些数字相除答案

【问题标题】：Group by column, calculate number of occurrence of value in another column and divide these numbers按列分组，计算另一列中值的出现次数并将这些数字相除
【发布时间】：2018-11-14 06:51:33
【问题描述】：

我有一个如下所示的 DataFrame：

data = pd.DataFrame({'id' : ['a1', 'a1', 'a1', 'a2','a2','a3','a3','a3'], 
                     'label' : ['0','0','1','0','1','0','1','1']})

我的目标是按 id 分组并进行一些算术运算：要计算每组中'0'和'1'的出现次数，将每个数字加1000，最后将这些数字除以彼此。例如，对于组“a1”：“0”出现两次，“1”出现一次，然后，2 * 1000 / 1 * 1000 = 2。

所需的 DataFrame 应如下所示：

id number
a1 2
a2 1
a3 0,5

这些 SO 问题对我帮助很大：

Group by two columns and count the occurrences of each combination in pandas

pandas groupby count string occurrence over column

我已经尝试了不同的变体，但仍然没有达到所需的输出。任何帮助都会非常感激。

【问题讨论】：

标签： python pandas grouping

【解决方案1】：

groupby 然后是value_counts，然后是pct_change

data.groupby('id').label.apply(lambda x : x.value_counts(sort=False).pct_change()+1).dropna().reset_index(level=0)
Out[405]: 
   id  label
0  a1    2.0
0  a2    1.0
0  a3    0.5

或者

pd.crosstab(data.id,data.label).assign(v=lambda x : x['0']/x['1'])
Out[414]: 
label  0  1    v
id              
a1     2  1  2.0
a2     1  1  1.0
a3     1  2  0.5

【讨论】：

【解决方案2】：

data.groupby('id').label.apply(lambda x: (x == '0').sum()/(x == '1').sum())

输出：

id
a1    2.0
a2    1.0
a3    0.5
Name: label, dtype: float64

【讨论】：

如果组不包含'1'，您将获得RuntimeWarning，但将获得np.inf 作为值。

【解决方案3】：

您可以使用collections.Counter 并在您的组中不存在1 值的情况下明确定义您需要的结果。

from collections import Counter

def calculator(x):
    c = Counter(x)
    try:
        return c['0'] / c['1']
    except ZeroDivisionError:
        return np.nan

res = data.groupby('id')['label'].apply(calculator)

id
a1    2.0
a2    1.0
a3    0.5
Name: label, dtype: float64

【讨论】：