需要对熊猫的数据进行汇总计数(rowid，colid)

Question

我一直在努力改变这个

| row_id | col_id |
|--------|--------|
|   1    |   23   |
|   4    |   45   |
|  ...   |  ...   |
|   1    |   23   |
|  ...   |  ...   |
|   4    |   45   |
|  ...   |  ...   |
|   4    |   45   |
|  ...   |  ...   |

投入到这个

| row_id | col_id |  count  |
|--------|--------|---------|
|   1    |   23   |    2    |
|   4    |   45   |    3    |
|  ...   |  ...   |   ...   |

因此，所有(row_i，col_j)事件都被添加到“count”列中。请注意，在任何一种情况下，row_id和column_id都不会是唯一的。

现在成功到现在为止，至少如果我想保持效率。我可以对每一对进行迭代，并将发生的次数加起来，但是熊猫必须有一个更简单的方法--或者说这件事上很难处理。

谢谢!

编辑1：

正如@ suggested建议的那样，我尝试了以下方法

# I use django-pandas
rdf = Record.objects.to_dataframe(['row_id', 'column_id'])
_ = rdf.groupby(['row_id', 'column_id'])['row_id'].count().head(20)
_.head(10)

而那输出

    row_id  column_id
1       108          1
        168          1
        218          1
        398          2
        422          1
10      35           2
        355          1
        489          1
100     352          1
        366          1
Name: row_id, dtype: int64

这似乎没问题。但是它是一个Series对象，我不知道如何将它转换为包含所需的三列的dataframe。就像看上去的那样，熊猫是菜鸟。有小费吗？

再次感谢。

Answer 1

您可以按列a和b进行分组，并按对象对组调用count：

df =pd.DataFrame({'A':[1,4,1,4,4], 'B':[23,45,23,45,45]})
df.groupby(['A','B'])['A'].count()

返回：

A  B 
1  23    2
4  45    3

编辑以使答案更加明确的

若要将series返回到具有名为count的列的dataframe：

_ = df.groupby(['A','B'])['A'].count()

该系列的名称变为列名：

_.name = 'Count'

重置索引，将多个索引提升为列，并将系列转换为数据：

df =_.reset_index()