从另一个数据框计算唯一值数量

Question

我的目标是在dfA中添加一列，该列使用dfB中的键来计算主键的唯一实例数。 dfA仅显示主键出现一次，而dfB可能多次出现主键。

示例。

dfA

协议	Date_1
146108493	1/31/2019
142527722	1/9/2019

dfB

协议	Date_2
146108493	2/4/2019
146108493	2/15/2019
146108493	2/20/2019
142527722	2/28/2019
142527722	3/15/2019

目标结果- 调整后的dfA

协议	Date_1	Count
146108493	1/31/2019	3
142527722	1/9/2019	2

- Ethan

Answer 1

您可以按照Agreement分组dfB数据框并使用count进行聚合，然后基于主键Agreement将这些值map到dfA中：

dfA['Count'] = dfA['Agreement'].map(dfB.groupby('Agreement')['Date_2'].count())

或者根据@Pygirl在评论中的建议，使用value_counts和map：

dfA['Count'] = dfA['Agreement'].map(dfB['Agreement'].value_counts())

---

   Agreement     Date_1  Count
0  146108493  1/31/2019      3
1  142527722   1/9/2019      2

- Shubham Sharma

---

很好的发现 @pygirl，这肯定是更简洁的选择。 - Shubham Sharma

dfa['count'] = dfa['Agreement'].map(dfb['Agreement'].value_counts()) 如果只考虑协议的实例计数 - Pygirl

Answer 2

使用 df.merge：

In [1161]: x = dfA.merge(dfB, indicator='Count').query('Count == "both"').groupby('Agreement').size().reset_index(name='Count')

In [1165]: dfA = dfA.merge(x)

In [1166]: dfA
Out[1166]: 
   Agreement     Date_1  Count
0  146108493  1/31/2019      3
1  142527722   1/9/2019      2

- Mayank Porwal

Answer 3

尝试:

x = dfa.merge(dfb, on='Agreement', how='right')
y = x.groupby('Agreement').size().reset_index(name='Count')
dfa = dfa.merge(y, on='Agreement')

简单来说：

dfa.join(dfb['Agreement'].groupby(dfb['Agreement']).count().rename('Count'), on='Agreement')

---

dfa:

    Agreement   Date_1  count
0   146108493   1/31/2019   3
1   142527722   1/9/2019    2

编辑：

尝试使用此函数进行过滤。

def grpdates(grp):
    stRow = grp.iloc[0]
    stRow1 = dfa[dfa['Agreement']==stRow.Agreement].Date_1
    grp = grp[np.array(grp.Date_2)<=np.array(stRow1 + pd.DateOffset(days=30))]
    return grp  

dfb['Date_2'] = pd.to_datetime(dfb.Date_2, format='%m/%d/%Y')
dfa['Date_1'] = pd.to_datetime(dfa.Date_1, format='%m/%d/%Y')

df = dfb.groupby('Agreement', group_keys=False).apply(grpdates)
dfa['Count'] = dfa['Agreement'].map(df['Agreement'].value_counts())

---

dfa:

    Agreement   Date_1      Count
0   146108493   2019-01-31  3.0
1   142527722   2019-01-09  NaN

- Pygirl

---

感谢您在这里提供帮助。您如何向数据框中添加一个基于日期列的附加过滤器来计算协议数量？例如，计算在dfA Date_1之后30天内，在dfB中有多少个dfA协议出现。 - Ethan

使用.fillna(0)替换NaN。 - Pygirl