详解python pandas 分组统计的方法
作者：kingsam_ 发布时间：2021-01-30 05:33:48
标签：pandas,python,分组统计
首先，看看本文所面向的应用场景：我们有一个数据集df，现在想统计数据中某一列每个元素的出现次数。这个在我们前面文章《如何画直方图》中已经介绍了方法，利用value_counts()就可以实现（具体回看文章）
但是，现在，我们考虑另外一个场景，我们假如要想统计其中两列元素出现次数呢？举个栗子：
在df数据集中，如果我们想统计A、B两列的元素的出现情况，也就是说，得到如下表。
从上面的最后一列可以看到，在A、B两列中，1 2 出现了2次，1 4 出现1次 ，1 6出现1次，2 3出现了2次， 2 4 出现1次， 3 1出现了1次
具体实现的代码：
import pandas as pd
df=pd.DataFrame([[1,2,2],[1,4,5],[1,2,4],[1,6,3],[2,3,1],[2,4,1],[2,3,5],[3,1,1]],columns=['A','B','C'])
gp=df.groupby(by=['A','B'])
gp.size()
所以，如果想统计更多列，只要在groupby()中的by参数添加就可以，例如统计3列。
gp=df.groupby(by=['A','B','C'])
由gp.size()得到的是可以mulitiindex Series。
下面，要转化成DataFrame的结构。
newdf=gp.size()
newdf.reset_index(name='times')
其中name中参数就是我们可以为最后一列添加新的名字，例如这里的“times”
这个时候newdf已经是DataFrame的类型了。
来源：https://blog.csdn.net/qq_22238533/article/details/72367792
0
投稿猜你喜欢
- 打开php.ini，首先找到file_uploads = on ;是否允许通过HTTP上传文件的开关。默认为ON即是开upload_tmp_
- 问：我最近升级了一个应用程序，使其可以在 SQL Server 2005 上运行。我利用了允许行长度超出 8,060 个字节这项功能，以便用
识别发票录入发票是一件繁琐的工作，如果可以自动识别并且录入系统，那可真是太好了。今天我们就来学习一下，如何自动识别增值税发票并且录入系统~识- 有时需要获取远程网站的某些信息，而服务器又限制了GET方式，只能通过POST数据提交，这个时候我们可以通过asp来实现模拟提交post数据，
- 工作中，我们经常会遇到数据异常，比如说浏览量突增猛降，交易量突增猛降，但是这些数据又不是符合正太分布的，如果用几倍西格玛就不合适，那么我们如
- 万维网联盟(W3C)发布了HTML 5规格说明书的草稿 ,这是自HTML 4在十多年前发布以来的第一个主要的修订版.在这期间,随着开发者逐渐
- 一、将对象转为json字符串json.dumps：将 Python 对象编码成 JSON 字符串json.loads：将已编码的 JSON
- 由于python内部的变量其实都是reference，而Tensorflow实现的时候也没有意义去判断输出是否是同一变量名，从而判定是否要新
- 直接上代码图片就使用我家爽妹子的吧如果没有安装pil模块的话先cmd安装下输入：pip install pillow# -*- coding
- Redis持久化机制实现原理是什么？流程是什么？持久化就是把内存中的数据存放到磁盘中，防止宕机后内存数据丢失。按照指定的时间间隔内将内存的数
- 前言;python由于它动态解释性语言的特性，跑起代码来相比java、c++要慢很多，尤其在做科学计算的时候，十亿百亿级别的运算，让pyth
- 摘要在这篇文章里，我将以反模式的角度来直接讨论Django的低级ORM查询方法的使用。作为一种替代方式，我们需要在包含业务逻辑的
- 本文实例讲述了PHP判断密码强度的方法。分享给大家供大家参考，具体如下：一、php页面$score = 0;if(!empty($_GET[
- 如下所示：update-alternatives --config python一条简单的命令，如下图所示：来源：https://blog.
- 一、之前解决方案大概是这样：短时间内同一位好友发送了多条消息，当他随便撤回一条消息时，我们不能确定他到底撤回的到底是哪一条消息。只能猜他可能
- 本文实例为大家分享了python实现双色球随机选号的具体代码，供大家参考，具体内容如下双色球随机选号实现代码from random impo
- 前段时间我通过观察韩国网站和其他作品发现了普遍存在黄金分割这样一个规律，不过只跟色相有关，明度、纯度还没做研究，今天看到论坛一篇“网页配色之
- 一、什么是集成学习集成学习是一种技术框架，它本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务，一般结构是：先产
- 内网的主机都是自动分配ip地址，有时候需要查看下有那些ip在使用，就写了个简单的脚本。linux和windows下都可以用，用多线程来pin
- 国外有很多优秀的文章可以用来学习，我决定花些时间翻译。我并不知道这篇文章有没有人翻译过，原文名 10 Awful IE Bugs and F
