Python 熊猫、groupby和count

我有这样一个数据框

>>> df = pd.DataFrame({'user_id':['a','a','s','s','s'],
                    'session':[4,5,4,5,5],
                    'revenue':[-1,0,1,2,1]})

>>> df
   revenue  session user_id
0       -1        4       a
1        0        5       a
2        1        4       s
3        2        5       s
4        1        5       s

session和revenue的每个值代表一种类型，我想计算每种类型的数量，比如说

revenue=-1

和

user\u id=a

的

session=4

的数量是1

我发现

groupby（）

之后的简单调用

count（）

函数无法输出我想要的结果

>>> df.groupby('user_id').count()
         revenue  session
user_id
a              2        2
s              3        3

---

我怎样才能做到这一点？

您似乎希望同时按多个列进行分组：

df.groupby(['revenue','session','user_id'])['user_id'].count()

---

应该给你你想要的

我也在为同样的问题挣扎，利用了上面提供的解决方案。实际上，您可以指定任何要计数的列：

df.groupby(['revenue','session','user_id'])['revenue'].count()

及

将给出相同的答案。

pandas>=1.1:可用！ 根据pandas 1.1，这将是我推荐的计算组中行数（即组大小）的方法。要为特定列计算组中非nan行的数量，请查看

旧的

新的[✓]

df.value_counts(subset=['A', 'B']) 

请注意，

size

和

count

不相同，前者统计每组的所有行，后者仅统计非空行。有关更多信息，请参阅

---

最小示例 将此输出与

df.groupby(['num_legs', 'num_wings'])['num_legs'].size()

num_legs  num_wings
2         2            1
4         0            2
6         0            1
Name: num_legs, dtype: int64

---

演出 如果不对结果进行排序，速度也会更快：

%timeit df.groupby(['num_legs', 'num_wings'])['num_legs'].count()
%timeit df.value_counts(subset=['num_legs', 'num_wings'], sort=False)

640 µs ± 28.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
568 µs ± 6.88 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

只有当所有列都包含相同数量的非NA值时，这才是正确的。此答案不正确，您不能为“count”指定任何列，因为count（）只计算非null值，不同的列可以有不同的nan计数。如果您要计算每个组中的行数，请改用（请参阅）.从pandas 1.1开始，这是通过实现的，允许您避免分组步骤。当我将

子集

与

值_计数

一起使用并打印时，我会丢失列标题；知道为什么会这样吗？

pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'

df = pd.DataFrame({'num_legs': [2, 4, 4, 6],
                   'num_wings': [2, 0, 0, 0]},
                  index=['falcon', 'dog', 'cat', 'ant'])
df
        num_legs  num_wings
falcon         2          2
dog            4          0
cat            4          0
ant            6          0

df.value_counts(subset=['num_legs', 'num_wings'], sort=False)

num_legs  num_wings
2         2            1
4         0            2
6         0            1
dtype: int64

df.groupby(['num_legs', 'num_wings'])['num_legs'].size()

num_legs  num_wings
2         2            1
4         0            2
6         0            1
Name: num_legs, dtype: int64

%timeit df.groupby(['num_legs', 'num_wings'])['num_legs'].count()
%timeit df.value_counts(subset=['num_legs', 'num_wings'], sort=False)

640 µs ± 28.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
568 µs ± 6.88 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)