Python: obtenha uma contagem de frequência com base em duas colunas (variáveis) no dataframe do pandas e alguns aplicativos de linha

97

Olá, tenho o seguinte dataframe.

    Group           Size

    Short          Small
    Short          Small
    Moderate       Medium
    Moderate       Small
    Tall           Large

Quero contar a frequência de quantas vezes a mesma linha aparece no dataframe.

    Group           Size      Time

    Short          Small        2
    Moderate       Medium       1 
    Moderate       Small        1
    Tall           Large        1
emax
fonte

Respostas:

149

Você pode usar groupby's size:

In [11]: df.groupby(["Group", "Size"]).size()
Out[11]:
Group     Size
Moderate  Medium    1
          Small     1
Short     Small     2
Tall      Large     1
dtype: int64

In [12]: df.groupby(["Group", "Size"]).size().reset_index(name="Time")
Out[12]:
      Group    Size  Time
0  Moderate  Medium     1
1  Moderate   Small     1
2     Short   Small     2
3      Tall   Large     1
Andy Hayden
fonte
7
Obrigado. Uma pequena adição para escolher os k (= 20) valores principais com base na frequência ("Tempo"): df.groupby (["Grupo", "Tamanho"]). Tamanho (). Reset_index (nome = "Tempo") .sort_values ​​(por = 'Tempo', ascendente = Falso) .head (20);
Dileep Kumar Patchigolla
1
Observe que usar .size()will retorna Series enquanto .size().reset_index(name="Time")for um DataFrame. Obrigado Andy.
alemol
ou você também pode fazer df.groupby(by=["Group", "Size"], as_index=False).size()simplesmente
Naveen Kumar,
54

A atualização após o pandas 1.1value_countsagora aceita múltiplas colunas

df.value_counts(["Group", "Size"])

Você também pode tentar pd.crosstab()

Group           Size

Short          Small
Short          Small
Moderate       Medium
Moderate       Small
Tall           Large

pd.crosstab(df.Group,df.Size)


Size      Large  Medium  Small
Group                         
Moderate      0       1      1
Short         0       0      2
Tall          1       0      0

EDITAR: A fim de obter o seu resultado

pd.crosstab(df.Group,df.Size).replace(0,np.nan).\
     stack().reset_index().rename(columns={0:'Time'})
Out[591]: 
      Group    Size  Time
0  Moderate  Medium   1.0
1  Moderate   Small   1.0
2     Short   Small   2.0
3      Tall   Large   1.0
BENY
fonte
7
bom. você pode até adicionar margins=Truepara obter as contagens marginais!
Matt Hancock de
1

Outra possibilidade é usar .pivot_table()eaggfunc='size'

df_solution = df.pivot_table(index=['Group','Size'], aggfunc='size')
asantz96
fonte