pandas 频率 table 基于多个交叉表

Question

我有关于系统不同隔间中存在一组代谢物的数据。我也有关于每种代谢物是什么类型的信息。我想要一个频率 table 显示每个隔间中每种类型的代谢物的数量。数据看起来像这样：

df = pd.DataFrame({'met_id':['met_a','met_b','met_c','met_d','met_e','met_f'],
                   'met_type':['amino_acid','amino_acid','lipid','lipid','peptide','peptide'],
                   'comp_1':[True,False,True,True,False,True],
                   'comp_2':[False,True,True,False,True,True]})
print df

给予

  comp_1 comp_2 met_id    met_type
0   True  False  met_a  amino_acid
1  False   True  met_b  amino_acid
2   True   True  met_c       lipid
3   True  False  met_d       lipid
4  False   True  met_e     peptide
5   True   True  met_f     peptide

我想要这样的摘要 table（或 DataFrame）：

met_type      comp_1 comp_2
amino_acid    1      1
lipid         2      1
peptide       1      2

表示每个隔室中每种类型的代谢物的数量。我可以这样使用交叉表获得计数：

pd.crosstab(df_test.met_type,df_test.comp_1)[True]

给予

met_type
amino_acid    1
lipid         2
peptide       1
Name: True, dtype: int64

我想我可以将这些系列中的每一个串联起来，但是有没有一种巧妙的方法来创建一个 table，其中包含所有隔间列的计数？

Answer 1

你可以用groupby表示

df = pd.DataFrame({'met_id':
['met_a','met_b','met_c','met_d','met_e','met_f'],
               'met_type':
['amino_acid','amino_acid','lipid','lipid','peptide','peptide'],
                   'comp_1':[True,False,True,True,False,True],
                  'comp_2':[False,True,True,False,True,True]})
dfn = df.groupby("met_type").mean()
dfn = dfn[['comp_1','comp_2']]*2

这会给你摘要table

            comp_1  comp_2
met_type                  
amino_acid     1.0     1.0
lipid          2.0     1.0
peptide        1.0     2.0

正如您所建议的，我们可以使用 sum（当时还是初学者 :)）

dfn = df.groupby("met_type")['comp_1','comp_2'].sum().astype(int)

            comp_1  comp_2
met_type                  
amino_acid       1       1
lipid            2       1
peptide          1       2

pandas 频率 table 基于多个交叉表

pandas frequency table based on multiple crosstabs

python

boolean

crosstab

pandas