如何根据特定行值计算值在列中的次数？

Question

我有一个数据框架：

     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

我想要得到这个

Outlook    Yes    No

Sunny       2      1

Overcast    4      1

Rain        1      1

不确定根据Sunny/多云/雨使用什么命令来计算yesses和nos

Answer 1

这个怎么样？

df.groupby('Outlook').apply(lambda g: g['PlayTennis'].value_counts())

或者，就你的确切规格而言：

df.groupby('Outlook').apply(lambda g: g['PlayTennis'].value_counts()).unstack(1)

甚至更短：

df.groupby('Outlook')['PlayTennis'].value_counts().unstack(1)

Answer 2

这里有一些事情要从以下几个方面开始：

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]))

我希望这能帮上忙。下一次，请告诉我们你已经做好了作业。

Answer 3

您可以使用pd.pivot_table来解决这个问题。

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，您还可以在groupby上'Outlook', 'PlayTennis'上获取数据，获取计数并使用unstack('PlayTennis')

In [87]: df.groupby(['Outlook', 'PlayTennis']).size().unstack('PlayTennis')
Out[87]:
PlayTennis  No  Yes
Outlook
Overcast     1    4
Rain         1    1
Sunny        1    2