如何对行进行分组，以便在使用 pandas 创建的组上使用value_counts？ [英] How to group rows so as to use value_counts on the created groups with pandas?

问题描述

我在数据框中有这样的客户数据：

I have some customer data such as this in a data frame:

S No Country Sex
1    Spain   M
2    Norway  F
3    Mexico  M
...

我想要这样的输出：

Spain
M = 1207
F = 230

Norway 
M = 33
F = 102

...

我有一个基本概念，我想根据他们所在的国家/地区对行进行分组，例如 df.groupby（df.Country），并且在选定的行上，我需要运行类似 df.Sex.value_counts（）

I have a basic notion that I want to group my rows based on their countries with something like df.groupby(df.Country), and on the selected rows, I need to run something like df.Sex.value_counts()

谢谢！

推荐答案

我认为需要 交叉表 ：

I think need crosstab:

df = pd.crosstab(df.Sex, df.Country)

或者如果要使用您的解决方案，请添加 unstack 用于具有第一级的列 MultiIndex 的值：

Or if want use your solution add unstack for columns with first level of MultiIndex:

df = df.groupby(df.Country).Sex.value_counts().unstack(level=0, fill_value=0)
print (df)
Country  Mexico  Norway  Spain
Sex                           
F             0       1      0
M             1       0      1

编辑：

如果要添加更多列，则可以设置将哪个级别参数转换为列：

If want add more columns then is possible set which level parameter is converted to columns:

df1 = df.groupby([df.No, df.Country]).Sex.value_counts().unstack(level=0, fill_value=0).reset_index()
print (df1)
No Country Sex  1  2  3
0   Mexico   M  0  0  1
1   Norway   F  0  1  0
2    Spain   M  1  0  0

df2 = df.groupby([df.No, df.Country]).Sex.value_counts().unstack(level=1, fill_value=0).reset_index()
print (df2)
Country  No Sex  Mexico  Norway  Spain
0         1   M       0       0      1
1         2   F       0       1      0
2         3   M       1       0      0

df2 = df.groupby([df.No, df.Country]).Sex.value_counts().unstack(level=2, fill_value=0).reset_index()
print (df2)
Sex  No Country  F  M
0     1   Spain  0  1
1     2  Norway  1  0
2     3  Mexico  0  1

这篇关于如何对行进行分组，以便在使用 pandas 创建的组上使用value_counts？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！