Python 如何使用pandas计算一列中每个值在另一列中出现的次数？

我有一个具有唯一索引和列“用户”、“tweet\u时间”和“tweet\u id”的数据框

我想统计每个用户重复的tweet\u时间值的数量

users = ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C']
tweet_times = ['01-01-01 01:00', '02-02-02 02:00', '03-03-03 03:00', '09-09-09 09:00',
               '04-04-04 04:00', '04-04-04 04:00', '05-05-05 05:00', '09-09-09 09:00',
               '06-06-06 06:00', '06-06-06 06:00', '07-07-07 07:00', '07-07-07 07:00']

d = {'users': users, 'tweet_times': tweet_times} 
df = pd.DataFrame(data=d)

期望输出

A:0

B:1

C:2

我使用下面的代码设法获得所需的输出（A:0除外）。但是有没有一种更具pythonic/效率的方法来做到这一点？

# group by both columns
df2 = pd.DataFrame(df.groupby(['users', 'tweet_times']).tweet_id.count())

# filter out values < 2
df3 = df2[df2.tweet_id > 1]

# turn multi-index level 1 into column
df3.reset_index(level=[1], inplace=True)

# final groupby
df3.groupby('users').tweet_times.count()

#按两列分组
df2=pd.DataFrame（df.groupby（['users'，'tweet\u times']）。tweet\u id.count（）
#过滤掉小于2的值
df3=df2[df2.tweet_id>1]
#将多索引级别1转换为列
df3.重置索引（级别=[1]，就地=真）
#最终分组
df3.groupby（'users'）.tweet_times.count（）

这很有效

df1=pd.DataFrame（df.groupby（['users']）['tweet\u times'].value\u counts（））.reset\u index（level=0）
df1.groupby（'users'）['tweet_times'].apply（lambda x:sum（x>1））
使用者
A 0
B 1
C2
名称：tweet_times，数据类型：int64

可能有一种更简单的方法，但我现在只能想到以下几点：）

df.groupby（“用户”）[“tweet\u times”].agg（lambda x:x.count（）-x.nunique（））。重命名（“count\u dupe”）

输出：

users
A    0
B    1
C    2
Name: tweet_times, dtype: int64

用户
A 0
B 1
C2
名称：重复计数，数据类型：int64

您可以将自定义布尔值与您的

groupby

一起使用

当值重复时，

keep=False

返回True，否则返回False

# df['tweet_times'] = pd.to_datetime(df['tweet_times'],errors='coerce')

df.groupby([df.duplicated(subset=['tweet_times'],keep=False),'users']
                                                 ).nunique().loc[True]

       tweet_times
users             
A                0
B                1
C                2

我们可以使用创建频率表，然后检查计数是否大于

1

来创建布尔掩码，然后沿着

轴=1

创建该掩码

pd.crosstab(df['users'], df['tweet_times']).gt(1).sum(1)

---

---

在我看来，这很像蟒蛇：

df.groupby（“用户”）[“tweet_times”].count（）-df.groupby（“用户”）[“tweet_times”].nunique（）

输出：

users
A    0
B    1
C    2
Name: tweet_times, dtype: int64

---

有具体问题吗？你试过什么，做过什么研究吗？请看，。@HenryEcker:你说得对。我已经纠正了这个问题。@AMC：具体的问题是，我没有找到一个资源来解释我如何获得所需的输出，我正在寻找社区的意见。@rrpelgrim我指的是一个具体的技术问题，比如你的具体问题。@HenryEcker：我的错，我已经纠正了。