Python 大熊猫的混合聚集和分组
我拥有的是一个名为“报告”的数据集,其中包含交付驱动因素的详细信息“通过”表示他们按时交货,“失败”表示他们没有按时交货Python 大熊猫的混合聚集和分组,python,pandas,pandas-groupby,Python,Pandas,Pandas Groupby,我拥有的是一个名为“报告”的数据集,其中包含交付驱动因素的详细信息“通过”表示他们按时交货,“失败”表示他们没有按时交货 Name|Outcome A |Pass B |Fail C |Pass D |Pass A |Fail C |Pass 我想要什么 Name|Pass|Fail|Total A |1 |1 |2 B |0 |1 |1 C |2 |0 |2 D |1 |0 |1 我试过: report.groupby
Name|Outcome
A |Pass
B |Fail
C |Pass
D |Pass
A |Fail
C |Pass
我想要什么
Name|Pass|Fail|Total
A |1 |1 |2
B |0 |1 |1
C |2 |0 |2
D |1 |0 |1
我试过:
report.groupby(['Name','outcome']).agg(['count'])
但它没有给我所需的输出
非常感谢[1]中的:从io导入StringIO
在[2]中:df_string=''Name |结果^M
…:A | Pass ^M
…:B |失败^M
…:C |通过^M
…:D |通过^M
…:A |失败^M
…:C |通过''
在[3]中:report=pd.read_csv(StringIO(df_string),sep='|')
[4]中:report.assign(count=1).groupby([“Name”,“output”])[“count”].sum().unstack().assign(Total=lambda df:df.sum(axis=1))
出[4]:
结果不合格总数
名称
A 1.01.02.0
B 1.0 NaN 1.0
C NaN 2.0 2.0
D NaN 1.0 1.0
现在,您可以使用
fillna(0)
方法填充NAs值这是pd。交叉表sum
超过axis=1
:
df = pd.crosstab(df['Name'], df['Outcome'])
df['Total'] = df[['Fail', 'Pass']].sum(axis=1)
或者要删除列轴名称,我们使用重命名\u轴
:
df = pd.crosstab(df['Name'], df['Outcome']).reset_index().rename_axis(None, axis='columns')
df['Total'] = df[['Fail', 'Pass']].sum(axis=1)
与margins=True
和margins\u name
参数一起使用:
print (pd.crosstab(df['Name'], df['Outcome'], margins=True, margins_name='Total'))
Outcome Fail Pass Total
Name
A 1 1 2
B 1 0 1
C 0 2 2
D 0 1 1
Total 2 4 6
然后通过以下方式删除最后一行的位置:
使用pandas.dummies
和groupby
的一种方法:
report = pd.get_dummies(df1, columns=['outcome']).groupby(['name'], as_index=False).sum().rename(columns={"outcome_Fail":"Fail", "outcome_Pass":"Pass"})
report["Total"] = report["Pass"] + report["Fail"]
print(report)
输出:
name Fail Pass Total
0 A 1 1 2
1 B 1 0 1
2 C 0 2 2
3 D 0 1 1
你的输出是错误的。为什么B
在通过时有1
和0
在失败时有0
感谢您指出..更正我通常使用margins=True
和iloc[:-1]
链接以删除行级别,因为您不能在页边空白处指定轴argument@Datanovice-没错,补充回答。谢谢!正是我想要的。从不知道熊猫中的交叉表功能。非常感谢@Erfan!谢谢你@jezrael。伟大的优化版本crosstab@NithinNampoothiry-yop,不幸的是,它还添加了最后一个Total
列,因此需要删除它。
df = pd.crosstab(df['Name'], df['Outcome'], margins=True, margins_name='Total').iloc[:-1]
print (df)
Outcome Fail Pass Total
Name
A 1 1 2
B 1 0 1
C 0 2 2
D 0 1 1
report = pd.get_dummies(df1, columns=['outcome']).groupby(['name'], as_index=False).sum().rename(columns={"outcome_Fail":"Fail", "outcome_Pass":"Pass"})
report["Total"] = report["Pass"] + report["Fail"]
print(report)
name Fail Pass Total
0 A 1 1 2
1 B 1 0 1
2 C 0 2 2
3 D 0 1 1