計算DataFrameGroupBy對象列（熊貓）

對於下面的數據組的頻率：計算DataFrameGroupBy對象列（熊貓）

Index ADR EF INF SS class type 
1   1  1 0  0  SRI  F 
2   1  0 1  1  SRI  h 
3   0  1 0  0  NRI  N 
4   0  0 1  1  NRI  u 
5   1  0 1  1  NRI  l

我需要基於在列「級」的值的第一組數據（兩組：SRI，NRI），以及然後計算列ADR，EF，INF，SS的頻率。這是我的代碼：

print (df.groupby("class").ADR.value_counts()) 
    print (df.groupby("class").EF.value_counts()) 
    print (df.groupby("class").INF.value_counts()) 
    print (df.groupby("class").SS.value_counts())

但我更喜歡把它寫成函數。任何建議？

來源

2017-07-27 Mary

那麼這裏的分類是什麼？ –

對不起，我修好了。 – Mary

「把它寫成函數」是什麼意思？該函數應該打印的東西，返回數據，別的東西..？或者你問如何編寫函數？ – aless80

這更具挑戰性，因爲您希望在可變數量的列上執行此操作。

您可以先使用，然後df.aggdf.groupby：

In [1085]: df.groupby('class').agg(lambda x: [np.bincount(x)]).applymap(lambda x: x[0]) 
Out[1085]: 
      ADR  EF  INF  SS 
class         
NRI [2, 1] [2, 1] [1, 2] [1, 2] 
SRI [0, 2] [1, 1] [1, 1] [1, 1]

再次，對於選擇性匯聚，它接受一個函數列的列表會做：

def foo(df, type, columns): 
    return df.groupby(type)[columns].agg(lambda x: [np.bincount(x)]).applymap(lambda x: x[0])

來源

2017-07-27 19:14:40

@COLDSPEED，謝謝。因此，沒有辦法將groupby（「class」）的值作爲函數的輸入變量傳遞給它？ – Mary

@瑪麗編輯。你可以，但不知道它是如何工作的其他專欄。編輯我的答案。 –

@COLDSPEED，你能解釋一下「np.bincount（x）」是如何工作的嗎？ – Mary

或者你可以試試這個...

List=[] 
List2=[] 
for names,df1 in df.groupby('class'): 
    print(df1) 
    List.append(df1.drop(['class','type'],axis=1).apply(pd.value_counts, axis=0)) 
    List2.append(names) 

pd.concat(List,keys=List2).fillna(0) 

Out[110]: 
     ADR EF INF SS 
NRI 0 2.0 2 1 1 
    1 1.0 1 2 2 
SRI 0 0.0 1 1 1 
    1 2.0 1 1 1

來源

2017-07-27 19:26:03 Wen

In [135]: df.drop(['Index','type'],1) \ 
    ...: .groupby("class") \ 
    ...: .agg([lambda x: x.eq(0).sum(), 'sum']) \ 
    ...: .rename(columns={'<lambda>':0,'sum':1}) \ 
    ...: .rename_axis(None) \ 
    ...: .stack() 
Out[135]: 
     ADR EF INF SS 
NRI 0 2 2 1 1 
    1 1 1 2 2 
SRI 0 0 1 1 1 
    1 2 1 1 1

或作爲多列DF：

In [125]: df.drop(['Index','type'],1) \ 
    ...: .groupby("class") \ 
    ...: .agg([lambda x: x.eq(0).sum(), 'sum']) \ 
    ...: .rename(columns={'<lambda>':0,'sum':1}) \ 
    ...: .rename_axis(None) 
Out[125]: 
    ADR EF INF SS 
     0 1 0 1 0 1 0 1 
NRI 2 1 2 1 1 2 1 2 
SRI 0 2 1 1 1 1 1 1

來源

2017-07-27 19:29:25 MaxU

計算DataFrameGroupBy對象列（熊貓）

回答

相關問題