python - 获取数据框中匹配和不匹配列数据的计数

Question

我有两个数据框，就像， 这是输入的 csv 数据。

Document_ID OFFSET  PredictedFeature
    0         0            2000
    0         8            2000
    0         16           2200
    0         23           2200
    0         30           2200
    1          0            2100
    1          5            2100
    1          7            2100

现在我也有了输出数据

 Document_ID    OFFSET   PredictedFeature
        0         0            2000
        0         8            2100
        0         16           2100
        0         23           2100
        0         30           2200
        1          0           2000
        1          5           2000
        1          7           2100

现在，我想做的是匹配他们得到或没有得到的结果天气。

所以我做到了，

df1_inputPredictedFeature_column['new'] = df1_inputPredictedFeature_column['PredictedFeature'] == df1_predictedFeature_column['PredictedFeature']

这会添加一列，该列将告诉天气它是否与预测的特征列匹配。

现在我正在尝试的是，

输入 csv 的预测特征中共有 2 个特征，其中 2000。但在输出 csv 中，只有第一个位置是匹配的，而不是第二个位置。

所以我正在尝试获取这些数据，例如，

predictedFeatureClass  inputCsvOccured   outputcsvmatched  

 2000                        2                1

2200                         3                 1

那么，我如何获取这些数据？任何帮助都会很棒。

Answer 1

一个想法是通过 Series.view 将 new 列转换为整数然后通过元组列表将列 new 与 size 和 sum 聚合以指定新列名称:

df1['new'] = (df1['PredictedFeature'] == df2['PredictedFeature']).view('i1')

df = (df1.groupby("PredictedFeature")['new']
         .agg([('inputCsvOccured','size'), ('outputcsvmatched','sum')])
         .reset_index())
print (df)
   PredictedFeature  inputCsvOccured  outputcsvmatched
0              2000                2                 1
1              2100                3                 1
2              2200                3                 1

Pandas 0.25+ 解决方案:

df1['new'] = (df1['PredictedFeature'] == df2['PredictedFeature']).view('i1')

df = (df1.groupby("PredictedFeature")
         .agg(inputCsvOccured=pd.NamedAgg(column='new', aggfunc='size'),
              outputcsvmatched=pd.NamedAgg(column='new', aggfunc='sum'))
         .reset_index())