在pandas中按唯一列对组合进行计数

Question

我正在尝试想出如何按照每个唯一的列对（ip，用户代理）进行行数计数，例如：

d = pd.DataFrame({'ip': ['192.168.0.1', '192.168.0.1', '192.168.0.1', '192.168.0.2'], 'useragent': ['a', 'a', 'b', 'b']})

     ip              useragent
0    192.168.0.1     a
1    192.168.0.1     a
2    192.168.0.1     b
3    192.168.0.2     b

生产：

ip           useragent  
192.168.0.1  a           2
192.168.0.1  b           1
192.168.0.2  b           1

有什么想法吗？

- barnybug

Answer 1

如果您使用groupby，您将获得想要的结果。

如果您使用groupby，您将获得想要的结果。

d.groupby(['ip', 'useragent']).size()

生成：

ip          useragent               
192.168.0.1 a           2
            b           1
192.168.0.2 b           1

- Matti John

---

太好了，谢谢。在 groupby/count/[] 上漏掉了最后一步。 - barnybug

对我来说，这只是给出了“AttributeError: 'DataFrame'对象没有'size'属性”。 - Anaphory

这对我不起作用。我得到了 <class 'pandas.core.frame.DataFrame'> MultiIndex: 0 entries Empty DataFrame Pandas 版本 15.2。 - feinmann

明白了：d.groupby(['ip', 'useragent']).size() 就可以了 :) - feinmann

如果我想计算每个范围内唯一值的数量怎么办？例如：在“192.28.0.1”范围内有2个唯一值（a，b）。在“192.168.0.2”范围内，有1个唯一值是b。我该如何编写代码来获取它？ - weefwefwqg3

Answer 2

print(d.groupby(['ip', 'useragent']).size().reset_index().rename(columns={0:''}))

提供:

            ip useragent   
0  192.168.0.1         a  2
1  192.168.0.1         b  1
2  192.168.0.2         b  1

---

另一个不错的选择可能是pandas.crosstab：

print(pd.crosstab(d.ip, d.useragent) )
print('\nsome cosmetics:')
print(pd.crosstab(d.ip, d.useragent).reset_index().rename_axis('',axis='columns') )

提供：

useragent    a  b
ip               
192.168.0.1  2  1
192.168.0.2  0  1

some cosmetics:
            ip  a  b
0  192.168.0.1  2  1
1  192.168.0.2  0  1

- Markus Dutschke

---

我赞同使用groupby。我做了一个测试，发现crosstab比groupby慢得多（例如，在我的测试中，对于一个包含10K条记录的数据框，groupby花费了0.02秒，而crosstab花费了2.3秒）。 - pegah

@pegah：我非常惊讶！您只需在前面使用％time魔法命令即可调用命令（使用ipython）。我得到的运行时间为16.5毫秒与18.4毫秒。通常，可以期望更具体的函数（这里是crosstab）执行更好。尤其是在相同库中进行类似调用时，出现100倍的运行时差异应该会引起怀疑。您是否可能对完整的 df 计算了 crosstab ，然后仅选择了一些列，而在计算 group by 时仅针对所选列进行操作？ - Markus Dutschke