Python 数据透视表：按特定字符串的计数聚合函数

我试图分析一个数据框架，其中包含日期作为索引，名称和消息作为列

head（）返回：

这是我试图取消初始df的透视表，其中aggfunc是单词存在的计数（例如image）

理想情况下，作为一个示例，：

 Name        Tom    Michael   James
 Date                                   
 2020-01-01    1       1        0
 2020-01-02    0       0        3

例如，我使用

df_m = df.pivot_table(values='Message',index='Date',columns='Name',aggfunc=lambda x: len(x.unique()))

它根据一天中的消息数进行聚合，并返回表fine

提前感谢

使用添加到DataFrame中的新列的匹配值数量，然后使用求和进行旋转：

df_m = (df.reset_index()
          .assign(count= df['Message'].str.count('image'))
          .pivot_table(index='Date', 
                       columns='Name', 
                       values='count' ,
                       aggfunc='sum', 
                       fill_value=0))
print (df_m)
Name        James  Michael  Tom
Date                           
2020-01-01      0        1    1
2020-01-02      3        0    0

---

这是为了好玩，也是同一答案的另一种选择。这只是熊猫提供的不同选择的一个游戏：

      #or df1.groupby(['Date','Name']) if the index has a name
res = (df1.groupby([df1.index,df1.Name])
          .Message.agg(','.join)
          .str.count('image')
          .unstack(fill_value=0)
      )

res

Name      James   Michael   Tom ‎
Date            
2020-01-01  0       1        1
2020-01-02  3      0         0

---

如果你不介意的话，2020-01-02在原始df的哪里？似乎找不到it@sammywemmy-您是对的，因此编辑了有问题的样本以进行匹配。

df_m = (df.reset_index()
          .assign(count= df['Message'].str.count('image'))
          .pivot_table(index='Date', 
                       columns='Name', 
                       values='count' ,
                       aggfunc='sum', 
                       fill_value=0))
print (df_m)
Name        James  Michael  Tom
Date                           
2020-01-01      0        1    1
2020-01-02      3        0    0

      #or df1.groupby(['Date','Name']) if the index has a name
res = (df1.groupby([df1.index,df1.Name])
          .Message.agg(','.join)
          .str.count('image')
          .unstack(fill_value=0)
      )

res

Name      James   Michael   Tom ‎
Date            
2020-01-01  0       1        1
2020-01-02  3      0         0