熊猫数据框两列的唯一值[重复]答案

【问题标题】：Unique values of two columns for pandas dataframe [duplicate]熊猫数据框两列的唯一值[重复]
【发布时间】：2017-07-04 13:00:23
【问题描述】：

假设我有 2 列的 pandas 数据框：

df: Col1  Col2
      1     1
      1     2
      1     2
      1     2
      3     4
      3     4

然后我想只保留这两列的唯一一对值（col1，col2）并给出它们的频率：

df2: Col1  Col2  Freq
      1     1     1
      1     2     3
      3     4     2

我想使用df['Col1', 'Col2'].value_counts()，但它只适用于一列。是否存在处理多列的函数？

【问题讨论】：

df.groupby(['Col1', 'Col2']).size()?
不明确的标题：这不会在 Col1 或 Col2 中找到唯一值，而是在 Col1 和 Col2 中找到 值的唯一组合，即笛卡尔积。这可能不是您想要的，尤其是对于基数高于布尔值（只有两个值）的列。

标签： python pandas dataframe unique

【解决方案1】：

你需要groupby + size + Series.reset_index:

df = df.groupby(['Col1', 'Col2']).size().reset_index(name='Freq')
print (df)
   Col1  Col2  Freq
0     1     1     1
1     1     2     3
2     3     4     2

【讨论】：

感谢您的精彩回答。我试图通过一点一点地运行它来理解你的答案，我有几个问题：1.如果我只需要Col1和Col2，我应该使用什么，即我只需要唯一的值对对于前两列，您的答案仍然是最佳方法吗？ 2. 为什么df.groupby(['Col1', 'Col2']).size() 会为我返回数据系列？再次感谢。
@BowenLiu - 1. 我认为它真的很快，也许一些 numpy 解决方案应该更快。 2. 在我看来，它按设计返回 Series - 不需要像聚合 mean、sum (df.groupby(['Col1', 'Col2'])['Col3'].sum()) 这样的另一列，因为输出由 groupby - Col1 和 @987654337 中定义的列计数@ - 它分组并且也在相同的列中计数。对于按Col1 和Col2 分组并聚合Col3 - 在groupby 之后的列表中的列，或者如果像df.groupby(['Col1', 'Col2']).sum() 一样省略它，它将在所有列中聚合总和。
不敢相信我没有看到你的回复。在使用 pandas 几个月后阅读它现在对我来说更有意义。我唯一仍然没有得到的是reset_index(name = 'Freq') 部分。在 pandas 文档中，名称不是 reset_index 的 kwarg。您如何以这种方式命名 groupby 结果中不是索引的列？谢谢。
@BowenLiu - 哎呀，链接不正确，需要Series.reset_index - name 参数仅适用于Series
非常感谢。我意识到我对group 的理解很肤浅，因此我试图推断出它的一些一般规则。是否有任何其他聚合函数，例如.size()，可以在不指定列的情况下生成系列（格式为df.groupby(['Col1']).function()）。顺便说一句，你的许多帖子对我很有帮助。我想知道你是否可以分享你是如何对 Pandas 有如此深入和系统的理解的。

【解决方案2】：

你可以试试

df.groupby(['Col1', 'Col2']).size()

与 jez 的答案相比，对于不同的视觉输出，您可以扩展该解决方案

pd.DataFrame(df.groupby(['Col1', 'Col2']).size().rename('Freq'))

给予

           Freq
Col1 Col2      
1    1        1
     2        3
3    4        2

【讨论】：