python - Pandas 和 groupby 计算两个不同列中的匹配项数

Question

我想计算 pandas 数据框中 groupby 之后的匹配数。

claim   event   material1   material2
A       X       M1          M2
A       X       M2          M3
A       X       M3          M0
A       X       M4          M4
A       Y       M5          M5
A       Y       M6          M0
B       Z       M7          M0
B       Z       M8          M0

首先，我按 pair claim 事件分组，对于这些组中的每一个，我想计算 material1 和 material 2 列之间的匹配数

对于分组依据，我有 grouped = df.groupby(['claim', 'event']) 但是我不知道如何比较这两个新列。

它应该返回以下数据框:

claim   event   matches
A       X       3          
A       Y       1          
B       Z       0          

你知道怎么做吗？

Answer 1

使用isin用于比较列和 groupby 与聚合 sum 的列，最后转换为 int 和 reset_index对于 MultiIndex 中的列:

a = (df['material1'].isin(df['material2']))
df = a.groupby([df['claim'], df['event']]).sum().astype(int).reset_index(name='matches')

分配给新列的解决方案:

df['matches'] = df['material1'].isin(df['material2']).astype(int)
df = df.groupby(['claim', 'event'])['matches'].sum().reset_index()

@Wen 的解决方案，谢谢:

df['matches'] = df['material1'].isin(df['material2']).astype(int)
df = df.groupby(['claim', 'event'], as_index=False)['matches'].sum()

我认为在较大的 DataFrame 中它应该更慢:

df = (df.groupby(['claim', 'event'])
                  .apply(lambda x : x['material1'].isin(x['material2']).astype(int).sum())
                  .reset_index(name='matches'))

---

print (df)
  claim event  matches
0     A     X        3
1     A     Y        1
2     B     Z        0