熊猫如何通过计算现有列的值来分组创建其他列

【问题标题】：pandas hwo to groupby create other columns by counting values of existing columns熊猫如何通过计算现有列的值来分组创建其他列
【发布时间】：2019-06-28 22:41:15
【问题描述】：

我知道如何在 R( How to make new columns by counting up an existing column)，但我也想知道它在 python 中是如何工作的。

当原始表格如下图时

 userID   cat1    cat2
    a        f       3
    a        f       3
    a        u       1
    a        m       1
    b        u       2
    b        m       1
    b        m       2

我按用户 ID 对它们进行分组并希望它像

userID   cat1_f  cat1_m  cat1_u  cat2_1  cat2_2  cat2_3
a        2       1       1       2       0       1
b        0       2       1       1       2       0

【问题讨论】：

标签： python pandas group-by count

【解决方案1】：

将melt 与GroupBy.size 和unstack 一起使用：

df = (df.melt('userID')
        .groupby(['userID','variable','value'])
        .size()
        .unstack([1,2], fill_value=0))
#python 3.6+
df.columns = [f'{a}_{b}' for a, b in df.columns]
#python bellow
#df.columns = ['{}_{}'.format(a,b) for a, b in df.columns]
df = df.reset_index()
print (df)
RangeIndex(start=0, stop=7, step=1)
  userID  cat1_f  cat1_m  cat1_u  cat2_1  cat2_3  cat2_2
0      a       2       1       1       2       2       0
1      b       0       2       1       1       0       2

替代crosstab:

df = df.melt('userID')
df = pd.crosstab(df['userID'], [df['variable'], df['value']])
df.columns = [f'{a}_{b}' for a, b in df.columns]
df = df.reset_index()

【讨论】：