python - 是否可以在不折叠 Pandas DataFrame 的情况下获得 groupby 样式计数？

Question

我有一个包含 9 列的 DataFrame，我正在尝试添加一列基于前 3 列的唯一值计数(例如，列 A、B 和 C，必须匹配才能计为唯一值，但其余的列可能会有所不同。我尝试像使用 groupby 一样执行此操作:

df = pd.DataFrame(resultsFile500.groupby(['chr','start','end']).size().reset_index().rename(columns={0:'count'}))

这将返回一个包含 5 列的 DataFrame，并且计数是我想要的。但是，我还需要原始数据框中的值，所以我一直试图做的是以某种方式将这些计数值作为原始 df 中的一列。因此，这意味着如果 chr、start 和 end 列中的两行具有相同的值，则 counts 列在两行中均为 2，但它们不会折叠为一行。这里是否有一个我缺少的简单解决方案，或者我需要一起破解一些东西吗？

Answer 1

您可以使用 .transform 获得非折叠行为:

>>> df
   a  b  c  d  e
0  3  4  1  3  0
1  3  1  4  3  0
2  4  3  3  2  1
3  3  4  1  4  0
4  0  4  3  3  2
5  1  2  0  4  1
6  3  1  4  2  1
7  0  4  3  4  0
8  1  3  0  1  1
9  3  4  1  2  1
>>> df.groupby(['a','b','c']).transform('count')
   d  e
0  3  3
1  2  2
2  1  1
3  3  3
4  2  2
5  1  1
6  2  2
7  2  2
8  1  1
9  3  3
>>>

请注意，我必须从 .transform 结果中选择一个任意列，然后只需执行以下操作:

>>> df['unique_count'] = df.groupby(['a','b','c']).transform('count')['d']
>>> df
   a  b  c  d  e  unique_count
0  3  4  1  3  0             3
1  3  1  4  3  0             2
2  4  3  3  2  1             1
3  3  4  1  4  0             3
4  0  4  3  3  2             2
5  1  2  0  4  1             1
6  3  1  4  2  1             2
7  0  4  3  4  0             2
8  1  3  0  1  1             1
9  3  4  1  2  1             3