Python 在对数据框的一列进行装箱后，如何制作一个新的数据框来计算每个箱子中的元素数量？

假设我有一个数据帧，

df

：

>>> df

Age    Score
19     1
20     2
24     3
19     2
24     3
24     1
24     3
20     1
19     1
20     3
22     2
22     1

我想构建一个新的数据框，该数据框将存储箱

Age

，并将每个存储箱中的元素总数存储在不同的

Score

列中：

Age       Score 1   Score 2     Score 3
19-21     2         4           3
22-24     2         2           9

这是我做这件事的方式，我觉得它非常复杂（意思是，它不应该这么难）：

是否有更好、更清洁、更高效的方法来实现这一目标

cats = ['1', '2', '3']
bins = [0, 1, 2, 3]
data = data[['Age']].join(pd.get_dummies(pd.cut(data.Score, bins, labels=cats)))
data['bins'] = pd.cut(data['Age'], bins=[19,21,24], include_lowest=True)
data.groupby('bins').sum() 

                Age  1  2  3
bins
(18.999, 21.0]  117  3  2  1
(21.0, 24.0]    140  2  1  3

---

您可以删除/重命名垃圾箱和年龄序列，这需要一些调整才能正确包含这些内容。

我不完全确定您想要什么结果（您是否将计数乘以分数…？），但这可能会有所帮助：

>>> data['age_binned'] = pd.cut(data['Age'], [18,21,24])
>>> data.groupby(['age_binned', 'Score'])['Age'].nunique().unstack()

Score       1  2  3
age_binned         
(18, 21]    2  2  1
(21, 24]    2  1  1

---

我假设您想要唯一元素的数量，如果您只想要使用.count（）而不是.nunique（）的元素总数，我想您可以尝试以下方法之一：

1.如果您已经知道垃圾箱：

df['Age'] = np.where(df['Age']<=21,'19-21','22-24')
df.groupby(['Age'])['Score'].value_counts().unstack()

三,。评论中的想法：

pd.crosstab(pd.cut(df.Age, [19, 21, 24],include_lowest=True), df.Score)

这三种方法都会产生以下输出：

Score           1   2   3
Age         
(18.999, 21.0]  3   2   1
(21.0, 24.0]    2   1   3

---

您可以从以下内容开始：

pd.crosstab（pd.cut（df.Age，[19,21,24]），df.Score）

…您还可以提到如何使用第二种方法使仓位限制整数而不是浮动吗？谢谢。@Kristada673在

pd.cut

中使用

precision=0

。

df.Age = pd.cut(df.Age, bins=2,include_lowest=True)
df.groupby(['Age'])['Score'].value_counts().unstack()

pd.crosstab(pd.cut(df.Age, [19, 21, 24],include_lowest=True), df.Score)

Score           1   2   3
Age         
(18.999, 21.0]  3   2   1
(21.0, 24.0]    2   1   3