pandas 通过对现有列的值进行计数来分组创建其他列 [英] pandas hwo to groupby create other columns by counting values of existing columns

问题描述

我知道如何在R（
如何通过计算现有列来创建新列），但我也想知道它在python中的工作原理。

I got to know how to do this in R( How to make new columns by counting up an existing column), but I'd like also to know how it works in python as well.

当原始表格如下所示时

 userID   cat1    cat2
    a        f       3
    a        f       3
    a        u       1
    a        m       1
    b        u       2
    b        m       1
    b        m       2

我按用户ID对其分组，并希望它像

I group them by userID and want it come like

userID   cat1_f  cat1_m  cat1_u  cat2_1  cat2_2  cat2_3
a        2       1       1       2       0       1
b        0       2       1       1       2       0

推荐答案

使用 融化 与 GroupBy.size 和 unstack ：

Use melt with GroupBy.size and unstack:

df = (df.melt('userID')
        .groupby(['userID','variable','value'])
        .size()
        .unstack([1,2], fill_value=0))
#python 3.6+
df.columns = [f'{a}_{b}' for a, b in df.columns]
#python bellow
#df.columns = ['{}_{}'.format(a,b) for a, b in df.columns]
df = df.reset_index()
print (df)
RangeIndex(start=0, stop=7, step=1)
  userID  cat1_f  cat1_m  cat1_u  cat2_1  cat2_3  cat2_2
0      a       2       1       1       2       2       0
1      b       0       2       1       1       0       2

备用与 crosstab ：

df = df.melt('userID')
df = pd.crosstab(df['userID'], [df['variable'], df['value']])
df.columns = [f'{a}_{b}' for a, b in df.columns]
df = df.reset_index()

这篇关于 pandas 通过对现有列的值进行计数来分组创建其他列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！