pandas 频率表（如R中的plyr） [英] Frequency tables in pandas (like plyr in R)
问题描述
我的问题是如何计算熊猫多个变量的频率。
我从这个数据框中获得：
pre $ d1 = pd.DataFrame（{'StudentID'：[x1， x10，x2，x3，x4，x5，x6，x7，x8，x9]，
'StudentGender'：['F'， 'M'，'F'，'M'，'F'，'M'，'F'，'M'，'M'，'M']，
'ExamenYear'：['2007'， '2007'，'2007'，'2008'，'2008'，'2008'，'2008'，'2009'，'2009'，'2009']，
'考试'：['algebra'， '统计'，'生物'，'代数'，'代数'，'统计'，'统计'，'代数'，'生物'，'生物']，
'参与'：['no'， '是'，'是'，'是'，'否'，'是'，'是'，'是'，'是'，'是']，
'通过'：['no'， '是'，'是'，'是'，'否'，'是'，'是'，'是'，'否'，'是']}，
列= ['StudentID'，' StudentGender'，'ExamenYear'， 'Exam'，'Participated'，'Passed']）
以下结果
参与分配
ExamenYear
2007 3 2
2008 4 3
2009 3 2
（1）我试过的一种可能性是计算两个数据框并将它们绑定在一起
t1 = d1.pivot_table（values ='StudentID'，rows = ['ExamenYear']，cols = ['Participated']，aggfunc = len）
t2 = d1.pivot_table（values ='StudentID'，rows = ['ExamenYear']，cols = ['Passed']，aggfunc = len）
tx = pd.concat（[t1，t2]， axis = 1）
Res1 = tx ['yes']
2）第二种可能性是使用聚合函数。
汇入汇款
dg = d1.groupby（'ExamenYear'）
Res2 = dg.agg（ {'Participated'：len，'Passed'：lambda x：collections.Counter（x =='yes'）[True]}）
Res2.columns = ['Participated'，'OfWhichpassed' ]
至少可以这样说。
在熊猫中这样做是否正确？
PS：我也试过 value_counts em> collections.Counter 但无法使用
--- - UPDATE ------
user DSM 是正确的。在所需的表格结果中出现错误。
（1）选项一的代码是：
$ $ p $ t1 = d1.pivot_table（values ='StudentID'，rows = ['ExamenYear']，aggfunc = len）
t2 = d1.pivot_table（values ='StudentID'，rows = ['ExamenYear']，cols = ['参与']，aggfunc = len）
t3 = d1.pivot_table（values ='StudentID'，rows = ['ExamenYear']，cols = ['Passed']，aggfunc = len）
Res1 = pd.DataFrame（{'All'：t1，$ b $'OfWhichParticipated'：t2 ['yes']，
'OfWhichPassed'：t3 ['yes']}）
它会产生结果
All OfWhichParticipated OfWhichPassedherrfz ，我想出了如何使用value_count，代码将会是
ExamenYear
2007 3 2 2
2008 4 3 3
2009 3 3 2
Res2 = d1.groupby（'ExamenYear'）。agg（{'StudentID'：len，
'Participated'：lambda x：x.value_counts（）['yes']，
'Passed' ：lambda x：x.value_counts（）['yes']}）
Res2.columns = ['All'，'OfWgichParticipated'，'OfWhichPassed']
这将产生与Res1相同的结果
我的问题仍然存在： p>
使用选项2，是否可以两次使用相同的变量（用于其他操作？）是否可以为结果变量传递一个自定义名称？
----新更新----
我有最后决定使用应用，我了解的更灵活。
解决方案
d1.groupby（'ExamenYear'）。agg（{'Participated'：len，
'Passed'：lambda x：sum（x =='yes'）}）
看起来不像R解决方案那么尴尬，恕我直言。
My problem is how to calculate frequencies on multiple variables in pandas . I have from this dataframe :
d1 = pd.DataFrame( {'StudentID': ["x1", "x10", "x2","x3", "x4", "x5", "x6", "x7", "x8", "x9"], 'StudentGender' : ['F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M', 'M'], 'ExamenYear': ['2007','2007','2007','2008','2008','2008','2008','2009','2009','2009'], 'Exam': ['algebra', 'stats', 'bio', 'algebra', 'algebra', 'stats', 'stats', 'algebra', 'bio', 'bio'], 'Participated': ['no','yes','yes','yes','no','yes','yes','yes','yes','yes'], 'Passed': ['no','yes','yes','yes','no','yes','yes','yes','no','yes']}, columns = ['StudentID', 'StudentGender', 'ExamenYear', 'Exam', 'Participated', 'Passed'])To the following result
Participated OfWhichpassed ExamenYear 2007 3 2 2008 4 3 2009 3 2(1) One possibility I tried is to compute two dataframe and bind them
t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len) t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len) tx = pd.concat([t1, t2] , axis = 1) Res1 = tx['yes'](2) The second possibility is to use an aggregation function .
import collections dg = d1.groupby('ExamenYear') Res2 = dg.agg({'Participated': len,'Passed': lambda x : collections.Counter(x == 'yes')[True]}) Res2.columns = ['Participated', 'OfWhichpassed']Both ways are awckward to say the least. How is this done properly in pandas ?
P.S: I also tried value_counts instead of collections.Counter but could not get it to work
For reference: Few months ago, I asked similar question for R here and plyr could help
---- UPDATE ------
user DSM is right. there was a mistake in the desired table result.
(1) The code for option one is
t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], aggfunc = len) t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len) t3 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len) Res1 = pd.DataFrame( {'All': t1, 'OfWhichParticipated': t2['yes'], 'OfWhichPassed': t3['yes']})It will produce the result
All OfWhichParticipated OfWhichPassed ExamenYear 2007 3 2 2 2008 4 3 3 2009 3 3 2(2) For Option 2, thanks to user herrfz, I figured out how to use value_count and the code will be
Res2 = d1.groupby('ExamenYear').agg({'StudentID': len, 'Participated': lambda x: x.value_counts()['yes'], 'Passed': lambda x: x.value_counts()['yes']}) Res2.columns = ['All', 'OfWgichParticipated', 'OfWhichPassed']which will produce the same result as Res1
My question remains though:
Using Option 2, will it be possible to use the same Variable twice (for another operation ?) can one pass a custom name for the resulting variable ?
---- A NEW UPDATE ----
I have finally decided to use apply which I understand is more flexible.
解决方案This:
d1.groupby('ExamenYear').agg({'Participated': len, 'Passed': lambda x: sum(x == 'yes')})doesn't look way more awkward than the R solution, IMHO.
这篇关于 pandas 频率表（如R中的plyr）的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
