如何计算 Python pandas 数据帧中 select 值的频率

Question

我有一个包含两列的数据框，一列用于名称，一列用于字符串值。我正在尝试按名称计算 select 字符串值的频率。

我试过 pandas.pivot_table 和 pandas.DataFrame.groupby 但我想创建一个全新的数据框而不是聚合。

例如，我有一个数据框：

import pandas as pd
import numpy as np

data = np.array([['John', 'x'], ['John', 'x'], ['John', 'x'], ['John', 'y'], ['John', 'y'], ['John', 'a'], 
                 ['Will', 'x'], ['Will', 'z']])

df = pd.DataFrame(data, columns=['name','str_value'])
df

这导致：

   name      str_value
0  John              x
1  John              x
2  John              x
3  John              y
4  John              y
5  John              a
6  Will              x
7  Will              z

预期结果为：

   name        x        y        z
0  John        3        2        0 
1  Will        1        0        1

另外：

   name        x        y        z
0  John     True     True    False 
1  Will     True    False     True

我只想 select x、y、z 和 return True 或 False 基于 returned 值是 0 还是 NaN。

编辑：谢谢你的回答。这些工作很好，但输出有子组 "str_value":

str_value     x      y      z
name
John       True   True  False
Will       True  False   True

有没有办法删除它，让我的 "name"、"x"、"y"、"z" 处于同一水平？使用 .reset_index() 我得到：

str_value  name     x      y      z
0          John  True   True  False
1          Will  True  False   True

现在我的索引名称"str_value"是吗？我可以重命名或删除它吗？

Answer 1

groupby 和 pivot 的混合：

total = df.groupby(["name", "str_value"]).size().reset_index(level=1, name="total")
counts = total.pivot(columns="str_value", values="total").fillna(0).drop(columns=["a"])
bools = counts > 0.0

Answer 2

你可以试试：

df.groupby(["name", "str_value"]).size().unstack()[['x', 'y', 'z']].gt(0)

说明:

用 groupby and size 计算每个 name 和 str_value 的出现次数：

print(df.groupby(["name", "str_value"]).size())
# John  a            1
#       x            3
#       y            2
# Will  x            1
#       z            1
# dtype: int64

使用 unstack

print(df.groupby(["name", "str_value"]).size().unstack())
# str_value    a    x    y    z
# name
# John       1.0  3.0  2.0  NaN
# Will       NaN  1.0  NaN  1.0

Select 所需列：

print(df.groupby(["name", "str_value"]).size().unstack()[['x', 'y', 'z']])
# str_value    x    y    z
# name
# John       3.0  2.0  NaN
# Will       1.0  NaN  1.0

将大于 0 的值与 gt 进行比较：

result = df.groupby(["name", "str_value"]).size().unstack()[['x', 'y', 'z']].gt(0)
print(result)
# str_value     x      y      z
# name
# John       True   True  False
# Will       True  False   True

Answer 3

除了其他出色的答案之外，您还可以混合使用 groupby unstack 和 astype(bool) 作为一个衬里：

df1 = df.loc[df.str_value != 'a'] # remove a as requested.
df2 = df1.groupby(["name", "str_value"])["str_value"].count().unstack().fillna(False).astype(
bool)
print(df2)
    name    x   y   z
0   John    True    True    False
1   Will    True    False   True

如何计算 Python pandas 数据帧中 select 值的频率

How to count frequency of select values in Python pandas dataframe

python

frequency

dataframe