Pandas在多列上进行计数

Question

我有一个数据框看起来像这样

Measure1 Measure2 Measure3 ...
0        1         3
1        3         2
3        0        

我希望能够计算每列中值的出现次数，以生成以下结果：

Measure Count Percentage
0       2     0.25
1       2     0.25
2       1     0.125
3       3     0.373

使用

outcome_measure_count = cdss_data.groupby(key_columns=['Measure1'],operations={'count': agg.COUNT()}).sort('count', ascending=True)

我只能获取第一列（实际上使用的是graphlab软件包，但我更喜欢pandas）

有人可以帮助我吗？

- dsent

Answer 1

您可以通过使用ravel和value_counts来展开df并生成计数，从而构建最终的df：

In [230]:
import io
import pandas as pd
​
t="""Measure1 Measure2 Measure3
0        1         3
1        3         2
3        0        0"""
​
df = pd.read_csv(io.StringIO(t), sep='\s+')
df

Out[230]:
   Measure1  Measure2  Measure3
0         0         1         3
1         1         3         2
2         3         0         0

In [240]:    
count = pd.Series(df.squeeze().values.ravel()).value_counts()
pd.DataFrame({'Measure': count.index, 'Count':count.values, 'Percentage':(count/count.sum()).values})

Out[240]:
   Count  Measure  Percentage
0      3        3    0.333333
1      3        0    0.333333
2      2        1    0.222222
3      1        2    0.111111

我只是为了让 df 的形状正确而插入了一个 0，但你应该明白意思了。

- EdChum

---

当这部分是更大的数据框的一部分时怎么办？我需要指定列吗？当使用 count = pd.Series(cdss_data['measure1','measure2'].squeeze().values.ravel()).value_counts() 时，我会收到错误消息（cdss_data 是我的数据框）。 - dsent

您需要双重下标来计数 count = pd.Series(cdss_data[['measure1','measure2']].squeeze().values.ravel()).value_counts()。 - EdChum

太好了！有没有办法强制指定列的顺序和行的顺序呢？ - dsent

你可以使用高级索引，例如：desired_col_list = [a,b,c,d] df = df.ix[:,desired_col_list] 作为示例。 - EdChum

Answer 2

In [68]: df=DataFrame({'m1':[0,1,3], 'm2':[1,3,0], 'm3':[3,2, np.nan]})

In [69]: df
Out[69]:
   m1  m2   m3
0   0   1  3.0
1   1   3  2.0
2   3   0  NaN

In [70]: df=df.apply(Series.value_counts).sum(1).to_frame(name='Count')

In [71]: df
Out[71]:
     Count
0.0    2.0
1.0    2.0
2.0    1.0
3.0    3.0

In [72]: df.index.name='Measure'

In [73]: df
Out[73]:
         Count
Measure
0.0        2.0
1.0        2.0
2.0        1.0
3.0        3.0

In [74]: df['Percentage']=df.Count.div(df.Count.sum())

In [75]: df
Out[75]:
         Count  Percentage
Measure
0.0        2.0       0.250
1.0        2.0       0.250
2.0        1.0       0.125
3.0        3.0       0.375

- Day.ong Li