根据多个数据框列进行频率统计

Question

我有以下的数据框。

组别	大小
短	小
短	小
适中	中等
适中	小
高	大

我想要计算相同行在数据框中出现的频率。

Group           Size      Time
Short          Small        2
Moderate       Medium       1 
Moderate       Small        1
Tall           Large        1

- emax

---

关于性能的注意事项，包括替代方案：Pandas groupby.size vs series.value_counts vs collections.Counter with multiple series - jpp

Answer 1

您可以使用groupby的size：

In [11]: df.groupby(["Group", "Size"]).size()
Out[11]:
Group     Size
Moderate  Medium    1
          Small     1
Short     Small     2
Tall      Large     1
dtype: int64

In [12]: df.groupby(["Group", "Size"]).size().reset_index(name="Time")
Out[12]:
      Group    Size  Time
0  Moderate  Medium     1
1  Moderate   Small     1
2     Short   Small     2
3      Tall   Large     1

- Andy Hayden

---

谢谢。根据频率("Time")选取前k（=20）个值，只需进行一点修改： df.groupby(["Group", "Size"]).size().reset_index(name="Time").sort_values(by='Time',ascending=False).head(20)。 - Dileep Kumar Patchigolla

注意使用.size()将返回Series，而.size().reset_index(name="Time")则是DataFrame。谢谢Andy。 - alemol

或者你可以简单地使用 df.groupby(by=["Group", "Size"], as_index=False).size()。 - Naveen Reddy Marthala

Answer 2

更新：在 pandas 1.1 版本之后，value_counts 现在接受多列输入。

df.value_counts(["Group", "Size"])

---

您也可以尝试使用pd.crosstab()

Group           Size

Short          Small
Short          Small
Moderate       Medium
Moderate       Small
Tall           Large

pd.crosstab(df.Group,df.Size)


Size      Large  Medium  Small
Group                         
Moderate      0       1      1
Short         0       0      2
Tall          1       0      0

---

编辑：为了获得您的输出

pd.crosstab(df.Group,df.Size).replace(0,np.nan).\
     stack().reset_index().rename(columns={0:'Time'})
Out[591]: 
      Group    Size  Time
0  Moderate  Medium   1.0
1  Moderate   Small   1.0
2     Short   Small   2.0
3      Tall   Large   1.0

- BENY

---

不错，您甚至可以添加margins=True来获取边缘计数！ - Matt Hancock

同时，df.value_counts(["Group", "Size"]).reset_index() 将其转换为数据框。 - Joe Rivera

当您计算所有列时，可以使用 df.value_counts()。 - Mykola Zotko

Answer 3

另一种可能性是使用 .pivot_table() 和 aggfunc='size'。

df_solution = df.pivot_table(index=['Group','Size'], aggfunc='size')

- asantz96