Python 如何根据特定的行值计算值在列中的次数?
我有这个数据框:Python 如何根据特定的行值计算值在列中的次数?,python,pandas,Python,Pandas,我有这个数据框: Outlook Temperature PlayTennis Value 0 Sunny 60 Yes 1 1 Sunny 70 Yes 1 2 Sunny 40 No 1 3 Overcast 40 No
Outlook Temperature PlayTennis Value
0 Sunny 60 Yes 1
1 Sunny 70 Yes 1
2 Sunny 40 No 1
3 Overcast 40 No 1
4 Overcast 60 Yes 1
5 Overcast 50 Yes 1
6 Overcast 70 Yes 1
7 Overcast 80 Yes 1
8 Rain 65 No 1
9 Rain 70 Yes 1
我想得到这个
Outlook Yes No
Sunny 2 1
Overcast 4 1
Rain 1 1
不确定根据晴天/阴天/下雨情况使用什么命令来计算是和否
forecasts = [
["sunny", "yes"],
["sunny", "yes"],
["sunny", "no"],
["overcast", "no"],
# more forecasts ...
]
myForecasts = {}
for forecast in forecasts:
if forecast[0] not in myForecasts:
myForecasts[forecast[0]] = [0, 0]
if forecast[1] == "yes":
myForecasts[forecast[0]][0] += 1
else:
myForecasts[forecast[0]][1] += 1
print("Outlook | Yes | No")
for myForecast in myForecasts:
print("{} | {} | {}".format(myForecast, myForecasts[myForecast][0], myForecasts[myForecast][1]))
我希望这对你有所帮助。下次,请告诉我们你已经做了家庭作业。怎么样
df.groupby('Outlook').apply(lambda g: g['PlayTennis'].value_counts())
或者,根据您的具体规格:
df.groupby('Outlook').apply(lambda g: g['PlayTennis'].value_counts()).unstack(1)
甚至更短:
df.groupby('Outlook')['PlayTennis'].value_counts().unstack(1)
您可以使用
pd.pivot\u表
来解决此问题
In [88]: pd.pivot_table(df, index='Outlook', cols='PlayTennis',
values='Value', aggfunc='sum')
Out[88]:
PlayTennis No Yes
Outlook
Overcast 1 4
Rain 1 1
Sunny 1 2
此外,您还可以groupby
在'Outlook',playneting'
上获取数据并使用unstack('playneting')
你能帮我处理熊猫吗?对不起,我没有处理熊猫的经验;你到底需要什么帮助?欢迎来到Stack Overflow!这里通常期望您展示您编写的代码或描述您为解决问题所做的研究。正如您的问题目前编写的那样,它听起来像是对代码的请求。你有没有尝试过与我们分享?
In [87]: df.groupby(['Outlook', 'PlayTennis']).size().unstack('PlayTennis')
Out[87]:
PlayTennis No Yes
Outlook
Overcast 1 4
Rain 1 1
Sunny 1 2