Python

Question

我不想问这个问题，但我已经搜索了很多小时来解决这个问题。我已经接近 Pandas 但还不够接近。这让我发疯，因为我知道这一定是可能的！所以我有一个像这样的 data_frame:

df = pd.DataFrame(
              {'Path': ['Yellow','Yellow','Blue','Green','Yellow','Blue','Yellow','Yellow'], 
               'Type': ['Image','Video','Image','Video','Video','Video','Image','Image'], 
               'Category': [A,A,B,A,B,A,C,C],
              },

我试过：

A = df[(df['Category'] == 'A') & (df['Type'] == 'Image')]
A = A.groupby(['Path']).size().reset_index(name='Count of A')

但这仅 returns 一次 'Category' 的计数及其 'Type' 每个唯一 'Path' 的计数。理想情况下，我想对数据进行分组，使其输出类似于以下内容：

Path   | Type  | Count of A | Count of B | Count of C |
Yellow | Image |      1     |            |     2      |
       | Video |      1     |      1     |            |
Green  | Image |            |            |            |
       | Video |      1     |            |            |
Blue   | Image |            |      1     |            |
       | Video |      1     |            |            |

即使我一次只能做一个路径，这也会比我目前输出的更好。

我希望有人能看到解决方案，让我摆脱痛苦！？

Answer 1

仍在使用 groupby + value_counts

    df.groupby(['Path','Type']).Category.apply(pd.value_counts).unstack().fillna('')
Out[121]: 
              A  B  C
Path   Type          
Blue   Image     1   
       Video  1      
Green  Video  1      
Yellow Image  1     2
       Video  1  1

或者我们使用 pivot_table

pd.pivot_table(df.reset_index(),index=['Path','Type'],columns=['Category'],values='index',aggfunc='count')
Out[123]: 
Category        A    B    C
Path   Type                
Blue   Image  NaN  1.0  NaN
       Video  1.0  NaN  NaN
Green  Video  1.0  NaN  NaN
Yellow Image  1.0  NaN  2.0
       Video  1.0  1.0  NaN

Python - 按 A + B 列分组，并为每次唯一出现的 A + B 计算 C 列的行值

Python - group by columns A + B and count row values for columns C for each unique occurrence of A + B

pandas

pandas-groupby