将Pandas的Groupby结果存入一个单独的数据框中

huangapple
go评论106阅读模式
英文:

Pandas Groupby result into a separate dataframe

问题

根据这个数据框，我想创建一个新的数据框，该数据框是对这个数据框进行group_by操作和特定列（target）的value_counts操作的结果。

我已经找到了如何获取这些值的方法（我的当前代码）：

  1. for id, group in df.groupby('id'):
  2.     print(id)
  3.     print(group['target'].value_counts())

这会给我以下输出：

  1. 00
  2. 0    3
  3. Name: target, dtype: int64
  4. 01
  5. 0    1
  6. 1    3
  7. Name: target, dtype: int64
  8. 02
  9. 0    2
  10. 1    2
  11. Name: target, dtype: int64

我能够获取这些值，但似乎无法将这些值传递到一个空数据框中。我想创建一个新的数据框，以以下格式表示这些信息：

  1.   id   0   1
  2. 0 00   3 NaN
  3. 1 01   1   3
  4. 2 02   2   2

要做到这一点，您可以使用pivot方法将数据重塑成所需的格式：

  1. result_df = df.groupby(['id', 'target']).size().unstack(fill_value=0).reset_index()
  2. result_df.columns.name = None

这将创建一个新的数据框result_df，其中id是索引列，0和1是目标列的值，NaN用0填充。

英文:

Say there is a dataframe with 100 records containing 4(or n) columns, example of dataframe below:

  1.  id  target   col3   col4
  2.  00     0      ..     .. 
  3.  00     0      ..     ..
  4.  00     0      ..     ..
  5.  01     1      ..     ..
  6.  01     1      ..     ..
  7.  01     0      ..     ..
  8.  01     1      ..     ..
  9.  02     1      ..     ..
  10.  02     0      ..     ..
  11.  02     1      ..     ..
  12.  02     0      ..     ..
  13.  ..
  14.  ..

Based on this dataframe I want to create a new dataframe that is a resultant of group_by on this dataframe and value_counts of a specific column (target).

I have figured out how to get those values(my current code):

  1. for id, target in df.group_by('id'):
  2.     print(id)
  3.     print(group.target.value_counts())

Which give me the following output:

  1. 00
  2. 0    3
  3. Name: target, dtype: int64
  4. 01
  5. 0    1
  6. 1    3
  7. Name: target, dtype: int64
  8. 02
  9. 0    2
  10. 1    2
  11. Name: target, dtype: int64
  12. ..
  13. ..

I am able to get these values but I can't seem to pass these values into a empty dataframe. I would like to create a new dataframe that represents this information in this format:

  1. id   0   1
  2. 00   3  NaN
  3. 01   1   3
  4. 02   2   2
  5. ..
  6. ..

答案1

得分: 2

这是一种方法：

  1. df = (df
  2.      .groupby('id')
  3.      .apply(lambda f: f['target'].value_counts().to_frame())
  4.      .unstack()
  5.      .reset_index())
  7. df.columns = ['id', 0, 1]
  8. print(df)
  1.    id    0    1
  2. 0   0  3.0  NaN
  3. 1   1  1.0  3.0
  4. 2   2  2.0  2.0
英文:

Here's a way to do:

  1. df = (df
  2.      .groupby('id')
  3.      .apply(lambda f: f['target'].value_counts().to_frame())
  4.      .unstack()
  5.      .reset_index())
  7. df.columns = ['id', 0, 1]
  8. print(df)
  10.    id    0    1
  11. 0   0  3.0  NaN
  12. 1   1  1.0  3.0
  13. 2   2  2.0  2.0

答案2

得分: 2

你可以使用.pivot_table()并将'size'作为aggfunc来创建简单的透视表：

  1. d = {'id': ['00', '00', '00', '01', '01', '01', '01', '02', '02', '02', '02'],
  2.      'target': [0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0]}
  3. df = pd.DataFrame(d)
  5. print(df.pivot_table(columns='target', index='id', aggfunc='size'))

输出结果：

  1. target    0    1
  2. id              
  3. 00      3.0  NaN
  4. 01      1.0  3.0
  5. 02      2.0  2.0
英文:

You can do simple .pivot_table() with 'size' as aggfunc:

  1. d = {'id': ['00', '00', '00', '01', '01', '01', '01', '02', '02', '02', '02'],
  2.      'target': [0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0]}
  3. df = pd.DataFrame(d)
  5. print( df.pivot_table(columns='target', index='id', aggfunc='size') )

Prints:

  1. target    0    1
  2. id              
  3. 00      3.0  NaN
  4. 01      1.0  3.0
  5. 02      2.0  2.0

答案3

得分: 1

你可以使用Pandas的CrossTab功能来实现这个目标。Pandas Crosstab可以计算表格中两个因素之间的值的频率。在这里阅读更多信息。

  1. import pandas as pd
  2. import numpy as np
  4. d = {'id': ['00', '00', '00', '01', '01', '01', '01', '02', '02', '02', '02'],
  5.      'target': [0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0]}
  6. df = pd.DataFrame(d)
  8. print(pd.crosstab(index=df['id'], columns=df['target']).replace(0, np.nan))

打印结果为：

  1. target	0	1
  2. id	
  3. 00	3	0
  4. 01	1	3
  5. 02	2	2
英文:

You can use Pandas CrossTab functionality to achieve this. Pandas Crosstab computes the frequency of values between two factors in a table. Read more here

  1. import pandas as pd
  2. import numpy as np
  4. d = {'id': ['00', '00', '00', '01', '01', '01', '01', '02', '02', '02', '02'],
  5.      'target': [0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0]}
  6. df = pd.DataFrame(d)
  8. print ( pd.crosstab(index=df['id'], columns=df['target']).replace(0, np.nan) )

prints

  1. target	0	1
  2. id	
  3. 00		3	0
  4. 01		1	3
  5. 02		2	2

huangapple
  • 本文由 发表于 2020年1月4日 01:43:02
  • 转载请务必保留本文链接：https://go.coder-hub.com/59583022.html
  • dataframe
  • pandas
  • pandas-groupby
  • python
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定