Fatal编程技术网
  • pandas/
  • Pandas 如何分组并将计数转换回数据帧

Pandas 如何分组并将计数转换回数据帧

pandas

Pandas 如何分组并将计数转换回数据帧,pandas,Pandas,假设我有以下df： years = [] months = [] ys = [2003,2003,2004,2005] for y in ys: for i in range(1,4): years.append(y) months.append(i) df= pd.DataFrame({"year":years,'month':months}) df year month 0 2003 1 1 200

假设我有以下df：

years = []
months = []
ys = [2003,2003,2004,2005]

for y in ys:
    for i in range(1,4):
        years.append(y)
        months.append(i)

df= pd.DataFrame({"year":years,'month':months})
df

    year    month
0   2003    1
1   2003    2
2   2003    3
3   2003    1
4   2003    2
5   2003    3
6   2004    1
7   2004    2
8   2004    3
9   2005    1
10  2005    2
11  2005    3
  • 请注意，2003年会重演
我希望按年份和月份分组，并转换回df，因此结果将是：

    year    month   count
0   2003    1        1
1   2003    2        2
2   2003    3        3
3   2003    1        1
4   2003    2        2
5   2003    3        3
6   2004    1        4
7   2004    2        5
8   2004    3        6
9   2005    1        7
10  2005    2        8 
11  2005    3        9
我厌倦了
df['count']=df.groupby（['year'，'month']）。转换（'count'）
，但我得到了“传递的项数错误0，位置意味着1”

使用
.ngroup（）
：

印刷品：

年-月计数
0   2003      1      1
1   2003      2      2
2   2003      3      3
3   2003      1      1
4   2003      2      2
5   2003      3      3
6   2004      1      4
7   2004      2      5
8   2004      3      6
9   2005      1      7
10  2005      2      8
11  2005      3      9
添加另一个带有
zip和的方法，该方法将按顺序为每个组返回唯一的编号：


df["count"] = pd.factorize([*zip(df['year'],df['month'])])[0]+1


或者将与
因子分解一起使用：


cols = ['year','month']
df["count"] = pd.factorize(df[cols].to_records(index=False))[0]+1





cols = ['year','month']
df["count"] = pd.factorize(df[cols].to_records(index=False))[0]+1



print(df)

    year  month  count
0   2003      1      1
1   2003      2      2
2   2003      3      3
3   2003      1      1
4   2003      2      2
5   2003      3      3
6   2004      1      4
7   2004      2      5
8   2004      3      6
9   2005      1      7
10  2005      2      8
11  2005      3      9