pandas 按组统计 DataFrame 中值的数量

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》。

当你有一个包含大量数据的 DataFrame，并且想要对其中的某些列进行汇总时，按组统计是非常有用的。例如，你可能有一个包含销售数据的 DataFrame，想要按不同地区和产品类型对销售额进行汇总。

注：本例在 pandas 2.2 下通过，同时建议安装 pyarrow 库。

数据与需求

我们构造数据如下：

import pandas as pd
import io

data = '''
b1 b2 b3 c
aa bb cc a
ac bc cd b
ac ad cc a
ad cd ae b
'''

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

需要按 c 列进行分组，并按组统计值的数量，最终结果如下：

'''
c   a  b
aa  1  0
ac  1  1
ad  1  1
ae  0  1
bb  1  0
bc  0  1
cc  2  0
cd  0  2
'''

思路

我们这里有几个思路：

先按 c 分组，分组后将各子 DataFrame 解堆叠，得到一 Series，再用 value_counts() 求值的数量，得到的 Series 再解堆、转置，经过一系列必要的处理得到结果。
先将 c 设置为索引，再将其他列处理成一个列表，爆炸就得到了所有值展开的 Series，再按索引分组并求值的数量，再经过解堆等一系列处理就得到了最后的结果。
第三个思路与上一个相似，不过没有了爆炸。

代码

根据以上思路，实现的最终代码如下：

(
    df.groupby('c')
    .apply(lambda x: x.unstack().value_counts(), include_groups=False)
    .unstack()
    .fillna(0)
    .T
    .astype(int)
)

或者：

(
    df.set_index('c')
    .apply(list, axis=1)
    .explode()
    .groupby(level=0)
    .value_counts()
    .unstack()
    .fillna(0)
    .astype(int)
    .T  
)

或者：

(
    df.set_index('c')
    .stack()
    .droplevel(level=1)
    .groupby(level=0)
    .value_counts()
    .to_frame()
    .unstack()
    .T
    .droplevel(level=0)
    .fillna(0)
    .astype(int)
)

这样就实现了需求。

（完）

pandas 按组统计 DataFrame 中值的数量

数据与需求

思路

代码

相关内容