Pandas 在groupby中以字典格式存储值频率的最快方法
为了通过id计算每个值的频率,我们可以使用value_counts和groupby来做一些事情Pandas 在groupby中以字典格式存储值频率的最快方法,pandas,group-by,frequency,Pandas,Group By,Frequency,为了通过id计算每个值的频率,我们可以使用value_counts和groupby来做一些事情 >>> df = pd.DataFrame({"id":[1,1,1,2,2,2], "col":['a','a','b','a','b','b']}) >>> df id col 0 1 a 1 1 a 2 1 b 3 2 a 4 2 b 5 2 b >>> df.groupby('id')[
>>> df = pd.DataFrame({"id":[1,1,1,2,2,2], "col":['a','a','b','a','b','b']})
>>> df
id col
0 1 a
1 1 a
2 1 b
3 2 a
4 2 b
5 2 b
>>> df.groupby('id')['col'].value_counts()
id col
1 a 2
b 1
2 b 2
a 1
但我希望得到以字典格式存储的结果,而不是序列。那么,如果我们有一个大的数据集,我如何才能做到这一点,而且速度很快?
理想的格式是:
id
1 {'a': 2, 'b': 1}
2 {'a': 1, 'b': 2}
您可以取消对groupby结果的堆叠,以获得dict的dict:
df.groupby('id')['col'].value_counts().unstack().to_dict(orient='index')
# {1: {'a': 2, 'b': 1}, 2: {'a': 1, 'b': 2}}
如果需要一系列dict,请使用agg
而不是来进行dict
:
df.groupby('id')['col'].value_counts().unstack().agg(pd.Series.to_dict)
col
a {1: 2, 2: 1}
b {1: 1, 2: 2}
dtype: object
我不建议以这种格式存储数据,对象通常更麻烦
如果取消堆叠生成NAN,请尝试使用
GroupBy.agg
:
df.groupby('id')['col'].agg(lambda x: x.value_counts().to_dict())
id
1 {'a': 2, 'b': 1}
2 {'b': 2, 'a': 1}
Name: col, dtype: object
您可以取消对groupby结果的堆叠,以获得dict的dict:
df.groupby('id')['col'].value_counts().unstack().to_dict(orient='index')
# {1: {'a': 2, 'b': 1}, 2: {'a': 1, 'b': 2}}
如果需要一系列dict,请使用agg
而不是来进行dict
:
df.groupby('id')['col'].value_counts().unstack().agg(pd.Series.to_dict)
col
a {1: 2, 2: 1}
b {1: 1, 2: 2}
dtype: object
我不建议以这种格式存储数据,对象通常更麻烦
如果取消堆叠生成NAN,请尝试使用
GroupBy.agg
:
df.groupby('id')['col'].agg(lambda x: x.value_counts().to_dict())
id
1 {'a': 2, 'b': 1}
2 {'b': 2, 'a': 1}
Name: col, dtype: object
我们可以做
pd.crosstab
pd.Series(pd.crosstab(df.id,df.col).to_dict('i'))
1 {'a': 2, 'b': 1}
2 {'a': 1, 'b': 2}
dtype: object
我们可以做
pd.crosstab
pd.Series(pd.crosstab(df.id,df.col).to_dict('i'))
1 {'a': 2, 'b': 1}
2 {'a': 1, 'b': 2}
dtype: object
谢谢你的回答。但是,如果ID没有特定的键,则取消序列堆栈将生成nan值。如果结果中的值为nan,我们如何删除键?@M.Cong-hmm这将很难,因为您需要使用lambda进行应用,这将导致减速。@M.Cong这里有一个替代方法,它不会取消堆栈,因此不会生成nan。也许这对你有用?谢谢你的回答。但是,如果ID没有特定的键,则取消序列堆栈将生成nan值。如果结果中的值为nan,我们如何删除键?@M.Cong-hmm这将很难,因为您需要使用lambda进行应用,这将导致减速。@M.Cong这里有一个替代方法,它不会取消堆栈,因此不会生成nan。也许这对你有用?