我有一个这种格式的数据框:
| Department | Person | Power | ... |
|------------|--------|--------|-----|
| ABC | 1234 | 75 | ... |
| ABC | 1235 | 25 | ... |
| DEF | 1236 | 50 | ... |
| DEF | 1237 | 100 | ... |
| DEF | 1238 | 25 | ... |
| DEF | 1239 | 50 | ... |
我现在想要得到的是幂列中每个值的出现次数总和。如何从我的DataFrame中获取此信息?
| Department | 100 | 75 | 50 | 25 |
|------------|-----|-----|-----|-----|
| ABC | 0 | 1 | 0 | 1 |
| DEF | 1 | 0 | 2 | 1 |
您可以value_counts
与一起使用sort_index
,然后DataFrame
由生成to_frame
,最后由进行转置T
:
print (df.Power.value_counts().sort_index(ascending=False).to_frame().T)
100 75 50 25
Power 1 1 2 2
通过评论编辑:
您需要crosstab
:
print (pd.crosstab(df.Department, df.Power).sort_index(axis=1, ascending=False))
Power 100 75 50 25
Department
ABC 0 1 0 1
DEF 1 0 2 1
使用groupby
和加快另一个解决方案的速度unstack
:
print (df.groupby(['Department','Power'])
.size()
.unstack(fill_value=0)
.sort_index(axis=1, ascending=False))
Power 100 75 50 25
Department
ABC 0 1 0 1
DEF 1 0 2 1
如果需要groupby
按列Department
和Person
,加列Person
到groupby
第二位置(谢谢piRSquared):
print (df.groupby(['Department','Person', 'Power'])
.size()
.unstack(fill_value=0)
.sort_index(axis=1, ascending=False))
Power 100 75 50 25
Department Person
ABC 1234 0 1 0 0
1235 0 0 0 1
DEF 1236 0 0 1 0
1237 1 0 0 0
1238 0 0 0 1
1239 0 0 1 0
EDIT1通过评论:
如果需要添加其他缺失值,请使用reindex
:
print (df.groupby(['Department','Power'])
.size()
.unstack(fill_value=0)
.reindex(columns=[100,75,50,25,0], fill_value=0))
Power 100 75 50 25 0
Department
ABC 0 1 0 1 0
DEF 1 0 2 1 0
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句