Python 如何在dataframe中填充列作为分组事件的计数

假设我有以下数据帧，其中col_1只能取值

1.0

或

0.0

：

+-------+---------+
| score | col_a   | 
+-------+---------+
|   10  |  1.0    |
|   15  |  0.0    |
|   12  |  0.0    |
|   12  |  0.0    |
+-------+---------+

我想创建以下数据框，基本上按分数分组，然后填充每个分数的计数，其中

col\u a=1.0

或

col\u a=0.0

+--------+----------|---------+
| score  |  col_a_1 | col_a_0 |
+--------+----------+---------+
| 10     |    1     |     0   |
| 15     |    0     |     1   |
| 12     |    0     |     2   |
+--------+----------+---------+

---

我知道这是按op分组的，但我不确定如何将计数填充到新列中

定义一个函数，计算列a中0和1的出现次数 当前行组中的列：

def cnt(grp):
    n0 = grp.col_a[grp.col_a == 0].size
    n1 = grp.col_a[grp.col_a == 1].size
    return pd.Series([n1, n0], index=['col_a_1', 'col_a_0'])

然后应用此函数：

df.groupby('score', sort=False).apply(cnt).reset_index()

对于示例数据，结果是：

   score  col_a_1  col_a_0
0     10        1        0
1     15        0        1
2     12        0        2

---

定义一个计算列中0和1的出现次数的函数 当前行组中的列：

def cnt(grp):
    n0 = grp.col_a[grp.col_a == 0].size
    n1 = grp.col_a[grp.col_a == 1].size
    return pd.Series([n1, n0], index=['col_a_1', 'col_a_0'])

然后应用此函数：

df.groupby('score', sort=False).apply(cnt).reset_index()

对于示例数据，结果是：

   score  col_a_1  col_a_0
0     10        1        0
1     15        0        1
2     12        0        2

---

由于您的列是二进制的，所以只需执行以下操作即可

col_a_1=df.groupby（'score'）.sum（）
col_a_0=df.groupby（'score'）.count（）-col_a_1
pd.concat（[col_a_0.添加后缀（''u 0'），col_a_1.添加后缀（''u 1'）]，axis=1）

---

由于您的列是二进制的，您只需执行以下操作即可

col_a_1=df.groupby（'score'）.sum（）
col_a_0=df.groupby（'score'）.count（）-col_a_1
pd.concat（[col_a_0.添加后缀（''u 0'），col_a_1.添加后缀（''u 1'）]，axis=1）