Pandas dataframe:如何使用行的组合创建多个组

Question

         a       b       c       d
0    Apple   Apple   Apple  Banana
1    Apple   Apple  Banana   Apple
2    Apple   Apple  Banana  Banana
3    Apple  Banana  Banana  Banana
4    Apple  Banana  Banana    Pear
5    Apple  Banana    Pear   Apple
6    Apple    Pear   Apple   Apple
7    Apple    Pear  Banana   Apple
8    Apple    Pear  Banana  Banana
9   Banana  Banana    Pear  Banana
10  Banana  Banana    Pear    Pear
11  Banana    Pear  Banana   Apple
12  Banana    Pear  Banana  Banana
13    Pear   Apple  Banana  Banana
14    Pear  Banana  Banana   Apple
15    Pear  Banana    Pear    Pear
16    Pear    Pear   Apple    Pear
17    Pear    Pear  Banana   Apple
18    Pear    Pear  Banana  Banana

你好,

我有以下数据帧df。我想创建一个新的数据帧，其中包含具有两倍于"Apple“值的行的组，或具有两倍于”Banana“值的行的另一组，或者一行中只包含一次香蕉的组等。我想创建有限数量的组，假设只有6个具有这些不同组合的组。我想使用group.by，但我不确定如何在提取值时使用它。有什么帮助吗？谢谢!

Answer 1

您可以首先创建一个系列，其中包含行中特定值的值计数。然后根据您想要的值计数过滤该系列。

下面是一个创建新数据帧的示例，其中包含的行的值是"Apple“的两倍。

apple_count = df.apply(lambda row: row.isin(['Apple']).sum(axis=0), axis=1)

df_ = df[apple_count.isin([2, 4])]

print(df_)

       a       b       c       d
2  Apple   Apple  Banana  Banana
5  Apple  Banana    Pear   Apple
7  Apple    Pear  Banana   Apple

Answer 2

​

​

理想情况下，我喜欢这样的东西，对不起，它应该是组1，2，3等，但由于我的初始df在行中相当长，我想要有限数量的组，可能10个组之后绘制。组1将包含变量成对出现的所有行，组2可以给出变量出现3次的所有行，组4可以包含所有行，其中同一行的每列中只出现一次变量，等等。我希望在最后绘制这些组的频率图。

Answer 3

创建群组

def count_words(values, word):
    return sum([value == word for value in values])

apple_groups = df.groupby(by=lambda index: count_words(df.loc[index], 'Apple'))

for word_count, group in apple_groups:
    print(group)

         a       b       c       d
9   Banana  Banana    Pear  Banana
10  Banana  Banana    Pear    Pear
12  Banana    Pear  Banana  Banana
15    Pear  Banana    Pear    Pear
18    Pear    Pear  Banana  Banana

         a       b       c       d
3    Apple  Banana  Banana  Banana
4    Apple  Banana  Banana    Pear
8    Apple    Pear  Banana  Banana
11  Banana    Pear  Banana   Apple
13    Pear   Apple  Banana  Banana
14    Pear  Banana  Banana   Apple
16    Pear    Pear   Apple    Pear
17    Pear    Pear  Banana   Apple

       a       b       c       d
2  Apple   Apple  Banana  Banana
5  Apple  Banana    Pear   Apple
7  Apple    Pear  Banana   Apple

       a      b       c       d
0  Apple  Apple   Apple  Banana
1  Apple  Apple  Banana   Apple
6  Apple   Pear   Apple   Apple

分组计数

def count_rows_with_exactly_n_words(df, word, n):
    return df.apply(lambda row: count_words(row.values, word) == n, axis=1).sum()

def count_word_groups(df, word, max_n):
    result = pd.DataFrame(columns=['Count'])
    for n in range(max_n + 1):
        result.at[word + '_' + str(n), 'Count'] = count_rows_with_exactly_n_words(df, word, n)
    return result

print(count_word_groups(df, 'Apple', max_n=4))
print(count_word_groups(df, 'Banana', max_n=4))

        Count
Apple_0     5
Apple_1     8
Apple_2     3
Apple_3     3
Apple_4     0

         Count
Banana_0     2
Banana_1     6
Banana_2     8
Banana_3     3
Banana_4     0