如何为 size() 列分配名称？

Posted 2023-03-11

【中文标题】如何为 size() 列分配名称？

【英文标题】：How to assign a name to the size() column?

【发布时间】：2013-08-02 10:23:50

【问题描述】：

我在 groupby 结果上使用.size() 以计算每个组中有多少项目。

我希望将结果保存到一个新的列名而不手动编辑列名数组，怎么做？

这是我尝试过的：

grpd = df.groupby(['A','B'])
grpd['size'] = grpd.size()
grpd

我得到的错误：

TypeError: 'DataFrameGroupBy' 对象不支持项目分配 （在第二行）

【问题讨论】：

值得注意的是，size 不是一个列的选择，因为它是 pandas 下每个对象的内置方法，因此您只能通过 getitem 而不是通过 getattr 检索它。

【参考方案1】：

df.groupby(...) 的结果不是 DataFrame。要取回 DataFrame，您必须对每个组应用一个函数、转换组的每个元素或过滤组。

您似乎想要一个 DataFrame，其中包含 (1) df 中的所有原始数据和 (2) 每组中有多少数据的计数。这些东西有不同的长度，所以如果它们需要进入同一个 DataFrame，你需要冗余地列出大小，即每个组中的每一行。

df['size'] = df.groupby(['A','B']).transform(np.size)

（顺便说一句：如果您可以显示简洁的示例输入和预期结果，这将很有帮助。）

【讨论】：

我还发现这几乎相等（创建一个新的数据框），但不确定它与您的解决方案在效率方面的比较***.com/questions/10373660/…

您的解决方案在玩具示例上运行良好，但在实际数据上返回错误pastebin.com/aCsMxCd5

在 pandas 20.3 中，@jezraels 的 df['size'] = df.groupby(['A','B']) .A .transform(np.size) 有效；如果没有.A，你会得到“ValueError：错误的项目数量传递了 2，位置意味着 1”，即“有 2 列，需要 1”。

@denis 非常感谢您的评论！

【参考方案2】：

你需要transform size - len 的df 和以前一样：

注意：

这里需要在groupby 后面加一列，否则会报错。因为GroupBy.size也算NaNs，所以使用什么列并不重要。所有列的工作方式相同。

import pandas as pd

df = pd.DataFrame('A': ['x', 'x', 'x','y','y']
                , 'B': ['a', 'c', 'c','b','b'])
print (df)
   A  B
0  x  a
1  x  c
2  x  c
3  y  b
4  y  b

df['size'] = df.groupby(['A', 'B'])['A'].transform('size')
print (df)
   A  B  size
0  x  a     1
1  x  c     2
2  x  c     2
3  y  b     2
4  y  b     2

如果需要在df 的聚合df - len 中设置列​​名显然与以前不相同：

import pandas as pd

df = pd.DataFrame('A': ['x', 'x', 'x','y','y']
                , 'B': ['a', 'c', 'c','b','b'])
print (df)
   A  B
0  x  a
1  x  c
2  x  c
3  y  b
4  y  b

df = df.groupby(['A', 'B']).size().reset_index(name='Size')
print (df)
   A  B  Size
0  x  a     1
1  x  c     2
2  y  b     2

【讨论】：

不错的一个。但是如果我有多个索引，我该如何做与df.groupby(['A', 'B']).size().reset_index(name='Size') 相同的操作？

@Sotos 如果使用最新版本的 pandas，方法相同。

类似...reset_index('V1', name = 'size')?

@Sotos 嗯，这样不行。需要.reset_index().rename(columns='index':'col', 'anothercol':'col2')

这正是我最后所做的...(full_df .set_index('cdatetime') .groupby(['Cluster', 'source', 'action', pd.Grouper(freq = 'H', sort = True)]) .size() .reset_index(['Cluster', 'source', 'action']) .rename(columns=0: 'cnt') )

【参考方案3】：

DataFrameGroupBy 对象的.size() 内置方法实际上返回一个具有组大小的 Series 对象，而不是 DataFrame。如果您想要一个 DataFrame，其列是组大小，由组索引，具有自定义名称，您可以使用 .to_frame() 方法并使用所需的列名称作为其参数。

grpd = df.groupby(['A','B']).size().to_frame('size')

如果您希望组再次成为列，您可以在末尾添加 .reset_index()。

【参考方案4】：

可以说 n 是数据框的名称，而 cst 是重复的项目数。 下面的代码给出了下一列的计数

cstn=Counter(n.cst)
cstlist = pd.DataFrame.from_dict(cstn, orient='index').reset_index()
cstlist.columns=['name','cnt']
n['cnt']=n['cst'].map(cstlist.loc[:, ['name','cnt']].set_index('name').iloc[:,0].to_dict())

希望这会奏效

【参考方案5】：

您可以将groupby中的as_index参数设置为False以获取DataFrame而不是Series：

df = pd.DataFrame('A': ['a', 'a', 'b', 'b'], 'B': [1, 2, 2, 2])

df.groupby(['A', 'B'], as_index=False).size()

输出：

   A  B  size
0  a  1     1
1  a  2     1
2  b  2     2