Python 在包含组（groupby）中的数字元素的数据框中创建列

我正在分析一个大型数据集，其中包含每个受试者不同数量的观察结果（从1次到26次……）。由于我需要分析事件之间的时间，只有一次事件的主题是非信息性的

以前，在Stata中工作时，我会使用Stata代码分配一个变量（称为total）：

按idnummer排序：gen total=\N

这样，每一行/主题都有一个变量“total”，我可以消除所有主题total=1

我一直在尝试agg函数和大小，但最终我得到了“NaN”

附：用旁边的“类似问题”我找到了我自己问题的答案

---

df['total']=df.groupby（'idnummer'）['sequence'].transform（'max'）

首先，您的问题令人困惑。考虑编辑它让它变得清晰。

第二，IIUC，您希望消除一列中包含值的行，这些值只在该列中出现一次

设置
考虑数据文件<代码> df

中的示例数据

---

pd.value\u计数

我们可以在此解决方案和其他解决方案中使用列

mycl

中每个元素的频率

vc = df.mycol.value_counts()
vc

N    5
H    4
X    4
W    4
L    3
M    3
A    3
T    3
F    2
Z    2
E    2
S    2
C    2
D    2
Y    2
U    2
Q    1
G    1
K    1
P    1
I    1
Name: mycol, dtype: int64

选项1

pd.value\u计数

和

map

我们可以看到，

['Q'，'G'，'K'，'p'，'I']

都是单个事件。使用

map

将

mycl

转换为相对计数和过滤器

df[df.mycol.map(vc) > 1]

选项2

np.bincount

和

np.unique

---

实际上，您不需要groupby，只需计算每个字符串的发生次数就简单了一点：

df['total'] = df.idnumber.apply(lambda x: df.idnumber.str.count(x).sum())

或者，您也可以这样映射值计数：

df['total'] = df.idnumber.map(df.idnumber.value_counts())

df['total'] = df.idnumber.apply(lambda x: df.idnumber.str.count(x).sum())

df['total'] = df.idnumber.map(df.idnumber.value_counts())