Python，在另一列中計算值的發生頻率

所以我一直在淘汰類似問題的解決方案，並保持擊中牆壁。我是python的新手，並且使用pandas/python作爲ETL，所以如果我沒有充分描述我的情況，請原諒我。Python，在另一列中計算值的發生頻率

我有兩個dataframes DF1的樣子：

Subscriber Key OtherID AnotherID 
1  'abc'   '12' '23' 
2  'bcd'   '45' '56' 
3  'abc'   '12' '23' 
4  'abc'   '12' '23' 
5  'cde'   '78' '90' 
6  'bcd'   '45' '56'

DF2的樣子：

Subscriber Key OtherID AnotherID 
1  'abc'   '12' '23' 
2  'bcd'   '45' '56' 
3  'cde'   '78' '90'

我試圖返回count次SubscriberKey數量： 'ABC' 發生在數據幀。找到值後，我想將計數附加到另一個數據幀（df2），這是我的第一個數據幀重複數據刪除。

它應該是這樣的：

Subscriber Key OtherID AnotherID Total Instances 
1  'abc'   '12' '23'   '3' 
2  'bcd'   '45' '56'   '1' 
3  'cde'   '78' '90'   '1'

所以我所做的就是嘗試使用這行：

df1.groupby(['SubscriberKey']).size()

我只用「SubscriberKey」的原因是因爲某些行只有該列填寫'OtherID'和'AnotherID'空白。

我也試過Series.value_count（）。當我嘗試使用groupby和size（）並將df2 ['Total Instances']的值設置爲出現次數時，看起來這些值沒有正確排列。

例如新表看起來是這樣的：

Subscriber Key OtherID AnotherID Total Instances 
1  'abc'   '12' '23'   '1' 
2  'bcd'   '45' '56'   '3' 
3  'cde'   '78' '90'   '2'

所以我最初的想法是，也許做GROUPBY時，該功能可以自動排序我的輸出。我試圖通過將groupby'd表保存爲csv來檢查，並意識到它只打印count列而不打印相關的subscriberkey列。

無論如何，有沒有人有任何投入，我怎麼能做到這一點？重申一下，我想基本上只是向df2添加一個列，以返回df1中出現次數或實例總數。

謝謝！

來源

2017-09-24 user6749426

你可以試試：

df2['Total Instances'] = df2['Subscriber Key'].map(df1['Subscriber Key'].value_counts())

來源

2017-09-24 20:42:10 0p3n5ourcE

嗨太感謝你了！這實現了我想要的。你能否澄清我的邏輯是否正確。本質上，您將我的重複數據幀（df2）映射回df1。所以我的第一個關鍵字，df2中的'abc'，將被「綁定」到df1中的所有'abc'關鍵字中？然後在映射上調用一個計數？對不起，只是試圖瞭解你的線路是如何工作的 – user6749426

太棒了！很高興它有幫助。 'value_counts（）'返回'Series'，你想把它們映射到'Key'上的'df2'。請參考示例https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.map.html – 0p3n5ourcE

所以我是： 1）創建一個字典，通過映射值在df1到df2在密鑰 2）使用.value_counts（）調用一系列匹配值。根據這篇文章，它看起來像我本質上是一個字典 – user6749426

Python，在另一列中計算值的發生頻率

回答

相關問題