pandas 计数

Posted 2023-04-08

参考技术A 一、计算所有数，比如不重复的数和计次等

1、获取列信息，并转化为列表

import pandas

df=pd.read_exce('文件路径+文件名')

count_list=df['列名'].to_list()

2、计数

number=len(count_list)

print(number)

二、计算不重复的数，比如影片集中电影导演数，点菜的菜名数等

1、获取列信息，并转化为列表

import pandas

df=pd.read_exce('文件路径+文件名')

count_list=df['列名'].to_list()

2、 去重

count_set=set(count_list) #去重

3、计数

number=len(count_set)

print(number)

三、unique函数统计不重复的数

mport pandas

df=pd.read_exce('文件路径+文件名')

number=df['列标签'].unique()

从 Pandas 数据框中另一个系列分段的日期累积计数创建增量计数

【中文标题】从 Pandas 数据框中另一个系列分段的日期累积计数创建增量计数

【英文标题】：Create an incremental count from a cumulative count by date segmented by another series in a Pandas data frame

【发布时间】：2021-01-15 04:47:06

【问题描述】：

我在一个日期框架 ('df1') 中有累积数据（系列'cumulative_count'），该数据框架由系列“状态”分段，我想在数据框架中创建一个新系列，显示增量计数“状态”。

所以：

df1 = pd.DataFrame('date': ['2020-01-03','2020-01-03','2020-01-03','2020-01-04','2020-01-04','2020-01-04','2020-01-05','2020-01-05','2020-01-05'],'state': ['NJ','NY','CT','NJ','NY','CT','NJ','NY','CT'], 'cumulative_count': [1,3,5,3,6,7,19,15,20])

...转换为添加新系列（“增量计数”），其中增量计数按日期计算，但也按状态分段，生成的结果为...

df2 = pd.DataFrame('date': ['2020-01-03','2020-01-03','2020-01-03','2020-01-04','2020-01-04','2020-01-04','2020-01-05','2020-01-05','2020-01-05'],'state': ['NJ','NY','CT','NJ','NY','CT','NJ','NY','CT'], 'cumulative_count': [1,3,5,3,6,7,19,15,20],'incremental_count': [1,3,5,2,3,2,16,9,13])

任何有关如何执行此操作的建议将不胜感激。谢谢！

【参考方案1】：

由于您的 DataFrame 已按 'date' 排序，因此您希望在每个状态组中使用 diff。然后fillna 获取每个州内第一个日期的正确值。

df1['incremental_count'] = (df1.groupby('state')['cumulative_count'].diff()
                               .fillna(df1['cumulative_count'], downcast='infer'))

         date state  cumulative_count  incremental_count
0  2020-01-03    NJ                 1                  1
1  2020-01-03    NY                 3                  3
2  2020-01-03    CT                 5                  5
3  2020-01-04    NJ                 3                  2
4  2020-01-04    NY                 6                  3
5  2020-01-04    CT                 7                  2
6  2020-01-05    NJ                19                 16
7  2020-01-05    NY                15                  9
8  2020-01-05    CT                20                 13