Python 需要在数据帧中聚合计数（rowid，colid）

我一直在努力扭转这种局面

| row_id | col_id |
|--------|--------|
|   1    |   23   |
|   4    |   45   |
|  ...   |  ...   |
|   1    |   23   |
|  ...   |  ...   |
|   4    |   45   |
|  ...   |  ...   |
|   4    |   45   |
|  ...   |  ...   |

进入这个

| row_id | col_id |  count  |
|--------|--------|---------|
|   1    |   23   |    2    |
|   4    |   45   |    3    |
|  ...   |  ...   |   ...   |

因此，所有（第i行、第j列）出现的情况都被添加到“计数”列中。请注意，在这两种情况下，行id和列id都不是唯一的

现在成功到现在，至少如果我想保持效率的话。我可以对每一对进行迭代，并将出现的次数相加，但在pandas或numpy中必须有一种更简单的方法

谢谢

编辑1：

正如@j-bradley所建议的，我尝试了以下方法

# I use django-pandas
rdf = Record.objects.to_dataframe(['row_id', 'column_id'])
_ = rdf.groupby(['row_id', 'column_id'])['row_id'].count().head(20)
_.head(10)

这就产生了

    row_id  column_id
1       108          1
        168          1
        218          1
        398          2
        422          1
10      35           2
        355          1
        489          1
100     352          1
        366          1
Name: row_id, dtype: int64

这似乎还可以。但它是一个系列对象，我不知道如何将其转换为具有所需三列的数据帧。看起来，熊猫是一种动物。有什么建议吗

---

再次感谢。

您可以按a列和b列分组，并在分组对象上调用

count

：

df =pd.DataFrame({'A':[1,4,1,4,4], 'B':[23,45,23,45,45]})
df.groupby(['A','B'])['A'].count()

返回：

A  B 
1  23    2
4  45    3

编辑以使答案更明确

要将

系列

返回到名为count的列的

数据帧

：

_ = df.groupby(['A','B'])['A'].count()

序列的名称将成为列名：

_.name = 'Count'

重置索引，将多索引升级为列，并将系列转换为数据帧：

df =_.reset_index()

---

嗨，我试过了，但我觉得没用。我将把它添加到我的问题中，以便您可以看到我的输出和过程。好的，将我的输出添加到问题中。您的建议在提供我所需的信息方面效果很好，但我仍然无法将此Series对象转换为所需的DataFrame。好的，准备好将

s=pd.Series（）

转换为

pd.DataFrame

，让您大开眼界吧。你准备好了吗？！因为它在这里：

df=pd.DataFrame

。