Python 每年统计熊猫数据帧中的类似字符串值

拥有下面的数据集。我想数一数某一年出现的字符串。事实上，我有一个大得多的数据框架多年。如何组合groupby方法并计算不同的字符串值

df=pd.DataFrame（数据={'col1'：['A'，'B'，'D'，'A'，'col2'：['B'，'C'，'E'，'E'，'E'，'E']，'col3'：['C'，'D'，''，''，'col4'：['D'，'E'，''，'A'，索引=['01-01-2000'，'02-01-2001'，'02-01-2001']）

预期结果：

           count
A    2000    1
A    2001    1
B    2000    2    
B    2001    0
C    2000    2
C    2001    0
D    2000    2
D    2001    1
E    2000    1
E    2001    2

---

您可以在中创建新列

year

，然后按重塑、按删除空字符串、按获取计数、按添加缺少的类别和上次使用：

---

首先，让我们用空值替换空单元格（例如，

np.nan

），并将索引设置为：

（我还更改了代码以适合您问题中的示例）

要获得结果，请执行以下操作：

result = df.apply(lambda row: row.value_counts(), axis=1).resample('1Y').sum().stack().reorder_levels([1, 0]).sort_index()

这将产生：

A  2000-12-31    1.0
   2001-12-31    1.0
B  2000-12-31    2.0
   2001-12-31    0.0
C  2000-12-31    2.0
   2001-12-31    0.0
D  2000-12-31    2.0
   2001-12-31    1.0
E  2000-12-31    1.0
   2001-12-31    2.0

让我们把它分解一下：

• df.apply（lambda row:row.value_counts（），axis=1）

  将数据帧转换为列中的“A”到“E”，以及单元格中的出现次数：

              A   B   C   D   E
  2000-01-01  1.0 1.0 1.0 1.0 NaN
  2000-02-01  NaN 1.0 1.0 1.0 1.0
  2001-01-01  NaN NaN NaN 1.0 1.0
  2001-02-01  1.0 NaN NaN NaN 1.0
  

• .resample（'1Y'）.sum（）

  正在使用，这只是一种很好地处理日期时间索引的幻想，可以按年份对事件进行求和。它产生：

              A   B   C   D   E
  2000-12-31  1.0 2.0 2.0 2.0 1.0
  2001-12-31  1.0 0.0 0.0 1.0 2.0
  

• ，和sort_index只是将结果转换为所需的格式（好吧，几乎……注意，它显示的不是一年，而是该年的最后一天）

---

示例代码不会在帖子中生成示例df…该代码生成的数据帧与您显示的数据帧不同。

A  2000-12-31    1.0
   2001-12-31    1.0
B  2000-12-31    2.0
   2001-12-31    0.0
C  2000-12-31    2.0
   2001-12-31    0.0
D  2000-12-31    2.0
   2001-12-31    1.0
E  2000-12-31    1.0
   2001-12-31    2.0

            A   B   C   D   E
2000-01-01  1.0 1.0 1.0 1.0 NaN
2000-02-01  NaN 1.0 1.0 1.0 1.0
2001-01-01  NaN NaN NaN 1.0 1.0
2001-02-01  1.0 NaN NaN NaN 1.0

            A   B   C   D   E
2000-12-31  1.0 2.0 2.0 2.0 1.0
2001-12-31  1.0 0.0 0.0 1.0 2.0