pandas 列行同时分组统计值的个数

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求是一个复杂的数据结构变化需求，可能会在数据特征获取中使用到。一般我们常见的数据分组是依列，比如以一个或者多个列作为分组依据，有时也会按行即列名进行分组，但本例将行和列同时作为分组依据，我们来看看 pandas 如何完成。

数据与需求

先构造源数据如下：

from io import StringIO
import pandas as pd

data = '''
g   c1   c2
a   1   2
b   2   1
c   1   2
b   2   1
a   1   1
b   1   1
c   2   2
a   1   1
'''

df = pd.read_csv(StringIO(data), sep=r'\s+')
df
# ...

这个数据有三列，第一列 g 是一个分类型的数值，其他列的值取 1 或者 2，需求期望按照列来分组，来看看 g 中每个分类对应的 1 和 2 各有多少个，即得到以下结果。

接下来我们做一下思路分析。

思路

在用 DataFrame 的 groupby() 分组时，axis 只能指定轴 0 或者轴 1，也就是行或者列，为了将源数据支持分组，我们要将列名也变形到行索引上，可以用堆叠的方式完成。

行列名都在行索引（多层索引）中后，按它们进行分组，对每组求相同值的数量，得到一个以每个值为标签，此值的数量为值的 Series，再解除堆叠将这个 Series 的索引标签转到列上，成为列名。

代码

先将数据的 g 列设为索引，再进行堆叠操作，就得到了一个多层索引的 Series：

(
    df.set_index('g')
    .stack()
)
'''
g
a  c1    1
   c2    2
b  c1    2
   c2    1
c  c1    1
   c2    2
b  c1    2
   c2    1
a  c1    1
   c2    1
b  c1    1
   c2    1
c  c1    2
   c2    2
a  c1    1
   c2    1
dtype: int64
'''

原 DataFrame 所有的值会成为这个 Series 的值。接着进行分组，注意分组按索引时要使用 level 参数，根据需求，将多层索引的位置 1 的那层在前边，聚合方法使用 Series 的 value_counts() 来得到值的数量：

(
    df.set_index('g')
    .stack()
    .groupby(level=[1, 0])
    .apply(pd.Series.value_counts)
#    .apply('value_counts') # 同上效果
)
'''
    g   
c1  a  1    3
    b  2    2
       1    1
    c  1    1
       2    1
c2  a  1    2
       2    1
    b  1    3
    c  2    2
dtype: int64
'''

此时我们已经得到了所有想要的数据，接着再对数据进行变形，解堆：

(
    df.set_index('g')
    .stack()
    .groupby(level=[1, 0])
    .apply(pd.Series.value_counts)
    .unstack()
)
'''
        1    2
   g
c1 a  3.0  NaN
   b  1.0  2.0
   c  1.0  1.0
c2 a  2.0  1.0
   b  3.0  NaN
   c  NaN  2.0
'''

缺失值为对应分组没有的值，将它们填充为 0，再将所有值转为整型：

(
    df.set_index('g')
    .stack()
    .groupby(level=[1, 0])
    .apply(pd.Series.value_counts)
    .unstack()
    .fillna(0)
    .astype(int)
)
'''
      1  2
   g
c1 a  3  0
   b  1  2
   c  1  1
c2 a  2  1
   b  3  0
   c  0  2
'''

这样就得到了最终的结果。

（完）

pandas 列行同时分组统计值的个数

数据与需求

思路

代码

相关内容