如何在Pandas中对数据框进行分组并保留列？

Question

给定一个记录书籍使用情况的数据框，如下所示：

Name   Type   ID
Book1  ebook  1
Book2  paper  2
Book3  paper  3
Book1  ebook  1
Book2  paper  2

我需要获取所有书的数量，同时保留其他列，得到以下结果：

Name   Type   ID    Count
Book1  ebook  1     2
Book2  paper  2     2
Book3  paper  3     1

这该如何实现呢？

谢谢！

- Adrian Ribao

Answer 1

您希望以下内容：

In [20]:
df.groupby(['Name','Type','ID']).count().reset_index()

Out[20]:
    Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1

在您的情况下，“Name”、“Type”和“ID”列的值匹配，因此我们可以根据这些列进行groupby，调用count，然后reset_index。

另一种方法是使用transform添加“Count”列，然后调用drop_duplicates：

In [25]:
df['Count'] = df.groupby(['Name'])['ID'].transform('count')
df.drop_duplicates()

Out[25]:
    Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1

- EdChum

---

这似乎有效，但如果我们有更多的列（就像我在其他数据框中拥有的那样），这会影响性能吗？而且，这并不是很直观。 - Adrian Ribao

这里的问题在于分组会减少信息量，因此不一定能一次性得到您想要的数据框。我已经更新了我的答案，展示了如何通过两个步骤来完成，更易于理解。 - EdChum

Answer 2

我认为as_index=False可以解决问题。

df.groupby(['Name','Type','ID'], as_index=False).count()

- jpobst

---

这是最简单的答案，适用于其他摘要统计数据。 - Michael McFarlane

Answer 3

如果您的数据框中有许多列，使用df.groupby(['ID']).agg(Count=('ID', 'count'),...)是有意义的，详见这里。.agg()函数允许您选择对不想应用操作的列要执行的操作。如果您只想保留它们（或更准确地说，保留它们中的第一个条目），请使用.agg(Count=('ID', 'count'), col1=('col1', 'first'), col2=('col2', 'first'),...)。除了'first'，您还可以应用'sum'、'mean'和其他操作。

- NeStack

---

我使用这个，因为它可以给新计算列自定义名称。 - Steve Scott

@SteveScott，我之前不知道可以给新列自定义名称的选项。你能提供一个例子吗？我肯定会使用它，我经常回来查找确切的语法。 - NeStack

@NeStack.agg(col1_sum=('col1', 'sum'), col2_avg=('col2', 'mean')) - Umer

Answer 4

最简单的方法

df.groupby(['col1', 'col1'], as_index=False).count()。使用as_index=False保留列名。默认值为True。

您还可以使用df.groupby(['col_1', 'col_2']).count().reset_index()

- Somyadeep Shrivastava

---

最佳答案！非常感谢 - v010dya

Answer 5

你也可以使用 value_counts()：

df.value_counts().reset_index(name= 'Count')

输出：

    Name   Type  ID  Count
0  Book1  ebook   1      2
1  Book2  paper   2      2
2  Book3  paper   3      1

- rhug123