我有这种数据框 df:
User,C,G
111,ar,1
112,es,1
112,es,1
112,es,2
113,es,2
113,es,3
113,es,3
114,es,4
我想返回的输出是:
G,nU,ar,es
1,2,1,1
2,2,0,2
3,1,0,1
4,1,0,1
基本上,对于每个 G
,我会计算 nU
列中不同 User
的数量以及出现的次数C
中的字符串。每个用户都有一个唯一的C
值。
例如,在G
数字1中,我有两个用户(111和112),其中一个出现在'ar'中,一个出现在'es'中(无论是否有两个112出现,我只是需要(112,'es')单例夫妇)。对 'ar' 和 'es' 列求和应返回 nU
列。到目前为止我尝试过这个:
d = df.reset_index().groupby('G')['User'].nunique()
它正确返回用户计数,但没有有关 C
列的信息。
对于这可能造成的困惑,我们深表歉意。
最佳答案
给定df
,
result = df.groupby(['G', 'User'])['C'].value_counts()
产量
G User
1 111 ar 1
112 es 2
2 112 es 1
113 es 1
3 113 es 2
4 114 es 1
dtype: int64
这会计算 ar
和 es
的每次出现。我们实际上只想计算唯一出现的次数,因此让我们将系列中的每个值设置为 1:
result[:] = 1
这样结果
看起来像
G User
1 111 ar 1
112 es 1
2 112 es 1
113 es 1
3 113 es 1
4 114 es 1
dtype: int64
现在,如果我们按第一个和最后一个索引级别(G
值和 C
值)进行分组,并对每个组求和,
result = result.groupby(level=['G',-1]).sum()
我们得到
G
1 ar 1
es 1
2 es 2
3 es 1
4 es 1
dtype: int64
现在我们可以取消最后一个索引级别的堆栈:
result = result.unstack()
获取
ar es
G
1 1 1
2 NaN 2
3 NaN 1
4 NaN 1
用零填充 NaN:
result = result.fillna(0)
定义nU
列和行的总和:
result['nU'] = result.sum(axis=1)
并对列重新排序:
result = result[['nU', 'ar', 'es']]
把它们放在一起:
import pandas as pd
df = pd.read_csv('data')
result = df.groupby(['G', 'User'])['C'].value_counts()
result[:] = 1
result = result.groupby(level=['G',-1]).sum()
result = result.unstack()
result = result.fillna(0)
result['nU'] = result.sum(axis=1)
result = result[['nU', 'ar', 'es']]
产量
nU ar es
G
1 2 1 1
2 2 0 2
3 1 0 1
4 1 0 1
关于python - pandas - 对 nunique 值进行分组和计数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30213185/