Python 如何对熊猫中的不同数据帧进行分组和聚合

df1

A B
a 1
a 1
a 4
b 1 
b 3

df2

A B
a 1
a 2
c 3 
c 5

df1.groupby（“A”）.size（）

df2.groupby（“A”）.size（）

我想得到以下

size

aggregation

   df1 df2
a  3    2
b  2    0 
c  0    2  

有没有办法做到这一点？ 我想知道聚合方法

如果有人有意见，请告诉我。 谢谢

您可以在两个分组的数据帧上使用

pd.concat

，并传递

axis=1

（这本质上是

外部

与

pd.merge

的连接，但语法更简洁）

然后，只需使用

.fillna（0）

进行一些清理，根据需要使用

.rename（）

重命名列，并使用

.astype（int）

使列数据类型为整数：

---

---

如果你在熊猫公司工作，我会做一个外部连接

data=[[a'、'a'、'a'、'b'、'b']、[1,1,4,1,3]]
df1=pd.DataFrame（data）.T
df1.columns=['A'，'B']
数据=[[a'、'a'、'c'、'c']、[1,2,3,5]]
df2=pd.DataFrame（data）.T
df2.columns=['A'，'B']
temp1=pd.DataFrame（df1.groupby（“A”）.size（））
temp2=pd.DataFrame（df2.groupby（“A”）.size（））
df=temp1.merge（temp2，how='outer'，left_index=True，right_index=True）
df.fillna（0）

输出

0_x 0_y
A       
a   3.0 2.0
b   2.0 0.0
c   0.0 2.0

您可以执行以下操作：

In [883]: df1 = df1.groupby("A").size().reset_index()

In [884]: df2 = df2.groupby("A").size().reset_index()

In [886]: df1.merge(df2, on='A', how='outer').fillna(0).rename(columns={'0_x': 'df1', '0_y':'df2'}).set_index('A')
Out[886]: 
   df1  df2
A          
a  3.0  2.0
b  2.0  0.0
c  0.0  2.0

---

只是@David答案的一个变体：

frames = {"df1": df1, "df2": df2}

pd.concat(
    {key: value.groupby("A").size() for key, value in frames.items()}, axis=1
).fillna(0)

在中，可以对新列名使用参数

键

，因为使用

系列

，然后替换缺少的值并转换为整数：

df3 = (pd.concat([df1.groupby("A").size(), 
                  df2.groupby("A").size()], axis=1, keys=['df1','df2'])
         .fillna(0)
         .astype(int))
print (df3)
   df1  df2
a    3    2
b    2    0
c    0    2

另一个想法是首先使用

concat

，将

多索引

转换为列，因此可能使用最后一次使用：

---

您所需要做的就是合并df1和df2以获得它。也可以执行

df1.groupby（“A”）.size（）.rename（“df1”）

。

In [883]: df1 = df1.groupby("A").size().reset_index()

In [884]: df2 = df2.groupby("A").size().reset_index()

In [886]: df1.merge(df2, on='A', how='outer').fillna(0).rename(columns={'0_x': 'df1', '0_y':'df2'}).set_index('A')
Out[886]: 
   df1  df2
A          
a  3.0  2.0
b  2.0  0.0
c  0.0  2.0

 #groupby using agg to rename axis.
   g=df1.groupby("A", as_index=False)['B'].agg({'df1':'size'})
    h=df2.groupby("A", as_index=False)['B'].agg({'df2':'size'})

#concat the resultant datframe, fffiil, bfill and dro duplicates

(pd.concat([g,h], ignore_index=True).sort_values(by='A').ffill().bfill()).drop_duplicates()



  A  df1  df2
0  a  3.0  2.0
1  b  2.0  2.0
3  c  2.0  2.0

frames = {"df1": df1, "df2": df2}

pd.concat(
    {key: value.groupby("A").size() for key, value in frames.items()}, axis=1
).fillna(0)

df3 = (pd.concat([df1.groupby("A").size(), 
                  df2.groupby("A").size()], axis=1, keys=['df1','df2'])
         .fillna(0)
         .astype(int))
print (df3)
   df1  df2
a    3    2
b    2    0
c    0    2

df3 = (pd.concat([df1, df2], keys=['df1','df2'])
         .reset_index()
         .pivot_table(index='A', columns='level_0', aggfunc='size', fill_value=0)
         .rename_axis(columns=None, index=None)
       )
print (df3)
   df1  df2
a    3    2
b    2    0
c    0    2