Pandas、分组并计数

Question

我有一个这样的数据框

>>> df = pd.DataFrame({'user_id':['a','a','s','s','s'],
                    'session':[4,5,4,5,5],
                    'revenue':[-1,0,1,2,1]})

>>> df
   revenue  session user_id
0       -1        4       a
1        0        5       a
2        1        4       s
3        2        5       s
4        1        5       s

而session和revenue的每个值代表一种类型，我想统计每种类型的数量说user_id=a的revenue=-1和session=4的数量是1.

而且我发现简单的调用count()函数后groupby()无法输出我想要的结果

>>> df.groupby('user_id').count()
         revenue  session
user_id
a              2        2
s              3        3

我该怎么做？

Answer 1

您似乎想同时按几列分组：

df.groupby(['revenue','session','user_id'])['user_id'].count()

应该给你想要的

Answer 2

我遇到了同样的问题，使用了上面提供的解决方案。您实际上可以指定要计数的任何列：

df.groupby(['revenue','session','user_id'])['revenue'].count()

和

df.groupby(['revenue','session','user_id'])['session'].count()

会给出相同的答案。

Answer 3

pandas >= 1.1: df.value_counts 可用！

从 pandas 1.1 开始，这将是我推荐的计算组中行数（即组大小）的方法。要计算特定列 组中非 nan 行的数量 ，请查看 .

旧

df.groupby(['A', 'B']).size()   # df.groupby(['A', 'B'])['C'].count()

新建[✓]

df.value_counts(subset=['A', 'B']) 

注意size和count并不相同，前者统计每组的所有行，后者只统计非空行。有关更多信息，请参阅 。

---

最小示例

pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'

df = pd.DataFrame({'num_legs': [2, 4, 4, 6],
                   'num_wings': [2, 0, 0, 0]},
                  index=['falcon', 'dog', 'cat', 'ant'])
df
        num_legs  num_wings
falcon         2          2
dog            4          0
cat            4          0
ant            6          0

df.value_counts(subset=['num_legs', 'num_wings'], sort=False)

num_legs  num_wings
2         2            1
4         0            2
6         0            1
dtype: int64

将此输出与

进行比较

df.groupby(['num_legs', 'num_wings'])['num_legs'].size()

num_legs  num_wings
2         2            1
4         0            2
6         0            1
Name: num_legs, dtype: int64

---

性能

如果不对结果进行排序也会更快：

%timeit df.groupby(['num_legs', 'num_wings'])['num_legs'].count()
%timeit df.value_counts(subset=['num_legs', 'num_wings'], sort=False)

640 µs ± 28.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
568 µs ± 6.88 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)