如何按 ID 分组并获取每个类别的计数

Posted 2023-03-11

【中文标题】如何按 ID 分组并获取每个类别的计数

【英文标题】：How to group by ID and get the count per each category

【发布时间】：2021-10-04 17:26:29

【问题描述】：

我又来了。

我有一个这样的 df

    id  c1  c2  c3
0   0   11  12  0
1   0   15  15  1
2   0   4   24  2
3   0   5   13  2
4   0   3   15  1
5   0   5   7   0
6   0   3   18  2
7   0   17  9   3
8   0   0   17  1
9   0   12  0   0
10  1   17  9   3
11  1   1   21  2
12  1   0   3   1
13  1   4   20  3
14  1   8   22  0
15  1   16  23  2
16  1   0   3   1
17  1   4   20  3
18  1   19  17  1
19  1   12  0   0

对于每个 ID，我想计算 c3 中的值（将它们视为类别），然后将值除以 id 的长度。

例如： ID = 0 有 10 个观察值，c3.0 中有 3 个，c3.1 中有 3 个，c3.2 中有 3 个，c3.3 中有 1 个 ID = 1 有 10 个观测值，c3.0 中有 2 个，c3.1 中有 3 个，c3.2 中有 2 个，c3.3 中有 3 个

我想得到这样的东西：

ID c3.0  c3.1  c3.2   c3.3
0   0.3   0.3   0.3    0.1
1   0.2   0.3   0.2    0.3

列名不相关

感谢您的帮助！

【参考方案1】：

你可以使用crosstab：

result = pd.crosstab(df.id, df.c3, normalize='index')

重命名列：

result.columns = [f'result.columns.name.label' for label in result.columns]


result.rename_axis(None)
 
   c3.0  c3.1  c3.2  c3.3
0   0.3   0.3   0.3   0.1
1   0.2   0.3   0.2   0.3

【讨论】：

这个也可以，但我更喜欢另一个

【参考方案2】：

我们可以使用groupby value_counts 和normalize=True 来计算每个“id”中“c3”的出现次数，该id 由组的总长度标准化。然后unstack 获取宽格式：

out = df.groupby('id')['c3'].value_counts(normalize=True).unstack()

out:

c3    0    1    2    3
id                    
0   0.3  0.3  0.3  0.1
1   0.2  0.3  0.2  0.3

---

使用add_prefix 进行一些清理以更新列标题，并使用reset_index 使id 成为列：

out = (
    df.groupby('id')['c3'].value_counts(normalize=True)
        .unstack()
        .rename_axis(columns=None)
        .add_prefix('c3.')
        .reset_index()
)

out:

   id  c3.0  c3.1  c3.2  c3.3
0   0   0.3   0.3   0.3   0.1
1   1   0.2   0.3   0.2   0.3

【讨论】：

谢谢！它有效，我非常感谢您在输出表中包含更改名称的代码！喜欢它！