groupby 在熊猫的两列中计算相同的值？答案

【问题标题】：groupby count same values in two columns in pandas?groupby 在熊猫的两列中计算相同的值？
【发布时间】：2019-12-31 16:33:02
【问题描述】：

我有以下 Pandas 数据框：

name1   name2
A       B
A       A
A       C
A       A
B       B
B       A

我想添加一个名为 new 的列，该列计数 name1 OR name2 保留合并的列（name1 和 name2 中的不同值）。因此，预期的输出是以下数据帧：

name   new
   A     7
   B     4
   C     1

我试过了

df.groupby(["name1"]).count().groupby(["name2"]).count()，除此之外……虽然最后一个似乎给了我正确的结果，但我无法获得连接的数据集。

【问题讨论】：

这能回答你的问题吗？ How to groupby count across multiple columns in pandas

标签： python pandas

【解决方案1】：

您可以将value_counts 与df.stack() 一起使用：

df[['name1','name2']].stack().value_counts()
#df.stack().value_counts() for all cols

A    7
B    4
C    1

具体来说：

(df[['name1','name2']].stack().value_counts().
      to_frame('new').rename_axis('name').reset_index())

  name  new
0    A    7
1    B    4
2    C    1

【讨论】：

【解决方案2】：

让我们试试melt

df.melt().value.value_counts()
Out[17]: 
A    7
B    4
C    1
Name: value, dtype: int64

【讨论】：

谢谢！这是正确的，但它适用于 any 列。换句话说，它也会计算第三个name3 列中的项目。太棒了！我会保存它以供更多用户使用。

【解决方案3】：

或者，

df.name1.value_counts().add(df.name2.value_counts(), fill_value=0).astype(int)

给你

A    7
B    4
C    1
dtype: int64

【讨论】：

【解决方案4】：

将Series.append 与Series.value_counts 一起使用：

df['name1'].append(df['name2']).value_counts()

A    7
B    4
C    1
dtype: int64

value_counts 将聚合列转换为索引。要获得所需的输出，请使用 rename_axis 和 reset_index：

df['name1'].append(df['name2']).value_counts().rename_axis('name').reset_index(name='new')

  name  new
0    A    7
1    B    4
2    C    1

【讨论】：

【解决方案5】：

python Counter 是另一种解决方案

from collections import Counter

s = pd.Series(Counter(df.to_numpy().flatten()))

In [1325]: s
Out[1325]:
A    7
B    4
C    1
dtype: int64

【讨论】：

@ignoring_gravity：呵呵……这就是 python 和 pandas 的美妙之处:)