使用 Pandas Data Frame 如何将计数应用于多级分组列？答案

【问题标题】：Using Pandas Data Frame how to apply count to multi level grouped columns?使用 Pandas Data Frame 如何将计数应用于多级分组列？
【发布时间】：2018-01-07 03:01:52
【问题描述】：

我有一个包含多列的数据框，我想在分组后使用计数，以便将其应用于 2 列或更多列的组合。例如，假设我有两列：

user_id  product_name
1        Apple
1        Banana
1        Apple
2        Carrot
2        Tomato
2        Carrot
2        Tomato 
3        Milk
3        Cucumber

...

我想要实现的是这样的：

user_id  product_name Product_Count_per_User
1        Apple        1 
1        Banana       2
2        Carrot       2
2        Tomato       2
3        Milk         1
3        Cucumber     1

我无法得到它。我试过这个：

dcf6 = df3.groupby(['user_id','product_name'])['user_id', 'product_name'].count()

但它似乎没有得到我想要的，它显示的是 4 列而不是 3 列。如何处理它？谢谢。

【问题讨论】：

标签： python pandas count multi-level pandas-groupby

【解决方案1】：

你同时计算两列，你可以用groupby.size：

(df.groupby(['user_id', 'Product_Name']).size()
   .rename('Product_Count_per_User').reset_index())

或者只计算一列：

df.groupby(['user_id','Product_Name'])['user_id'].size()

【讨论】：

嗯，count 用于非 NaN 计数，所以这里最好是 size。
@jezrael 当然。但是groupby 默认情况下会丢弃nan 值，所以我想现在在这种情况下并不重要，因为他无论如何都在计算组变量。但我同意size 是一个更好的选择。

【解决方案2】：

使用GroupBy.size:

dcf6 = df3.groupby(['user_id','Product_Name']).size()
          .reset_index(name='Product_Count_per_User')
print (dcf6)
   user_id Product_Name  Product_Count_per_User
0        1        Apple                       2
1        1       Banana                       1
2        2       Carrot                       2
3        2       Tomato                       2
4        3     Cucumber                       1
5        3         Milk                       1

What is the difference between size and count in pandas?

【讨论】：

【解决方案3】：

根据您自己的代码，只需执行此操作。

df.groupby(['user_id','product_name'])['user_id'].
          agg({'Product_Count_per_User':'count'}).reset_index(level=1)

        product_name  Product_Count_per_User
user_id                      
1              Apple        2
1             Banana        1
2             Carrot        2
2             Tomato        2
3           Cucumber        1
3               Milk        1

【讨论】：