Pandas-如何在csv文件中逐行保存不同列中不同值的频率（包括0个频率）答案

【问题标题】：Pandas- How to save frequencies of different values in different columns line by line in a csv file (including 0 frequencies)Pandas-如何在csv文件中逐行保存不同列中不同值的频率（包括0个频率）
【发布时间】：2019-10-22 00:45:02
【问题描述】：

我有一个包含以下列感兴趣的 CSV 文件

fields = ['column_0', 'column_1', 'column_2', 'column_3', 'column_4', 'column_5', 'column_6', 'column_7', 'column_8', 'column_9']

对于这些列中的每一列，有 153 行数据，仅包含两个值：-1 或 +1

我的问题是，对于每一列，我想将每个 -1 和 +1 值的频率以逗号分隔的样式逐行保存在 CSV 文件中。当我执行以下操作时，我遇到了以下问题：

>>>df = pd.read_csv('data.csv', skipinitialspace=True, usecols=fields)
>>>print df['column_2'].value_counts()
     1    148
    -1      5
>>>df['column_2'].value_counts().to_csv('result.txt', index=False )

然后，当我打开 results.txt 时，我发现了以下内容

148

5

这显然是我不想要的，我希望文本文件的同一行中的值用逗号分隔（例如 148、5）。

第二个问题发生在其中一个频率为零时，

>>> print df['column_9'].value_counts()
      1    153
>>> df['column_9'].value_counts().to_csv('result.txt', index=False )

然后，当我打开 results.txt 时，我发现了以下内容

153

我也不希望这种行为，我希望看到 153, 0

所以，总而言之，我想知道如何用 Pandas 做到这一点

给定一列，将其不同值的频率保存在 csv 文件的同一行中，并用逗号分隔。例如：

148,5

如果存在频率为 0 的值，请将其放入 CSV。例如：

153,0

将这些频率值附加到同一 CSV 文件的不同行中。例如：

148,5

153,0

我可以用熊猫做到这一点吗？还是应该转移到其他 python 库？

【问题讨论】：

标签： python pandas csv

【解决方案1】：

一些虚拟数据的例子：

import pandas as pd

df = pd.DataFrame({'col1': [1, 1, 1, -1, -1, -1],
                   'col2': [1, 1, 1, 1, 1, 1],
                   'col3': [-1, 1, -1, 1, -1, -1]})

counts = df.apply(pd.Series.value_counts).fillna(0).T

print(counts)

输出：

       -1    1
col1  3.0  3.0
col2  0.0  6.0
col3  4.0  2.0

然后您可以将其导出到 csv。

请参阅此答案以获取参考： How to get value counts for multiple columns at once in Pandas DataFrame?

【讨论】：

【解决方案2】：

我相信你可以像这样做你想做的事

import io
import pandas as pd

df = pd.DataFrame({'column_1': [1,-1,1], 'column_2': [1,1,1]})

with io.StringIO() as stream:
    # it's easier to transpose a dataframe so that the number of rows become columns
    # .to_frame to DataFrame and .T to transpose
    df['column_1'].value_counts().to_frame().T.to_csv(stream, index=False)

    print(stream.getvalue()) # check the csv data

但我会建议这样的事情，因为您必须以其他方式指定缺少预期值之一

with io.StringIO() as stream:
    # it's easier to transpose a dataframe so that the number of rows become columns
    # .to_frame to DataFrame and .T to transpose
    counts = df[['column_1', 'column_2']].apply(lambda column: column.value_counts())
    counts = counts.fillna(0)
    counts.T.to_csv(stream, index=False)

    print(stream.getvalue()) # check the csv data

【讨论】：

【解决方案3】：

这是一个示例，其中包含三列 c1、c2、c3 和数据框 d，它是在调用函数之前定义的。

import pandas as pd
import collections

def wcsv(d):
    dc=[dict(collections.Counter(d[i]))  for i in d.columns]
    for i in dc:
        if -1 not in list(i.keys()):
          i[-1]=0
        if 1 not in list(i.keys()):
          i[1]=0

    w=pd.DataFrame([ list(j.values()) for j in dc],columns=['1','-1'],index=['c1','c2','c3'])
    w.to_csv("t.csv")

d=pd.DataFrame([[1,1,-1],[-1,1,1],[1,1,-1],[1,1,-1]],columns=['c1','c2','c3'])
wcsv(d)

【讨论】：