计算pandas中多列问题的likert量表结果数

Posted

技术标签:

【中文标题】计算pandas中多列问题的likert量表结果数【英文标题】:Count the number of likert scale results from multiple column questions in pandas 【发布时间】:2017-11-08 02:22:59 【问题描述】:

我有以下数据框:

       Question1        Question2         Question3          Question4
User1  Agree            Agree          Disagree         Strongly Disagree
User2  Disagree         Agree          Agree            Disagree
User3  Agree            Agree          Agree            Agree

有没有办法将上面列出的数据框转换为下面的?

              Agree         Disagree         Strongly Disagree
 Question1    2               1                  0

 Question2    2               1                  0

 Question3    2               1                  0
 Question4    1               1                  1

这和我之前的问题类似:Make a dataframe with grouped questions from three columns

我尝试使用 stack/pivot 查看以前的问题,但无法弄清楚。实际的数据框有 20 多个问题和一个李克特量表,从非常同意、同意、中立、不同意、非常不同意。

【问题讨论】:

【参考方案1】:

您可以使用pd.Series.value_counts 遍历列。如果您使用 apply 执行此操作,索引将自动对齐:

df.apply(pd.Series.value_counts)
Out: 
                   Question1  Question2  Question3  Question4
Agree                    2.0        3.0        2.0          1
Disagree                 1.0        NaN        1.0          1
Strongly Disagree        NaN        NaN        NaN          1

一点后处理:

df.apply(pd.Series.value_counts).fillna(0).astype('int')
Out: 
                   Question1  Question2  Question3  Question4
Agree                      2          3          2          1
Disagree                   1          0          1          1
Strongly Disagree          0          0          0          1

【讨论】:

【参考方案2】:
df.apply(lambda x:x.value_counts()).fillna(0).astype(int)
#                   Question1  Question2  Question3  Question4
#Agree                      2          3          2          1
#Disagree                   1          0          1          1
#Strongly Disagree          0          0          0          1

【讨论】:

【参考方案3】:

pd.get_dummies

pd.get_dummies(df.stack()).groupby(level=1).sum()

           Agree  Disagree  Strongly Disagree
Question1      2         1                  0
Question2      3         0                  0
Question3      2         1                  0
Question4      1         1                  1

将其提升到另一个层次我们可以使用 numpy.bincount 来加快速度。但是我们要注意尺寸

v = df.values
f, u = pd.factorize(v.ravel())
n, m = u.size, v.shape[1]
r = np.tile(np.arange(m), n)
b0 = np.bincount(r * n + f)
pad = np.zeros(n * m - b0.size, dtype=int)
b = np.append(b0, pad)

pd.DataFrame(b.reshape(m, n), df.columns, u)

           Agree  Disagree  Strongly Disagree
Question1      2         1                  0
Question2      3         0                  0
Question3      2         1                  0
Question4      1         1                  1

另一个numpy 选项

v = df.values
n, m = v.shape
f, u = pd.factorize(v.ravel())

pd.DataFrame(
    np.eye(u.size, dtype=int)[f].reshape(n, m, -1).sum(0),
    df.columns, u
)

           Agree  Disagree  Strongly Disagree
Question1      2         1                  0
Question2      3         0                  0
Question3      2         1                  0
Question4      1         1                  1

速度差异

%%timeit
v = df.values
f, u = pd.factorize(v.ravel())
n, m = u.size, v.shape[1]
r = np.tile(np.arange(m), n)
b0 = np.bincount(r * n + f)
pad = np.zeros(n * m - b0.size, dtype=int)
b = np.append(b0, pad)
​
pd.DataFrame(b.reshape(m, n), df.columns, u)
1000 loops, best of 3: 194 µs per loop

%%timeit
v = df.values
n, m = v.shape
f, u = pd.factorize(v.ravel())

pd.DataFrame(
    np.eye(u.size, dtype=int)[f].reshape(n, m, -1).sum(0),
    df.columns, u
)
1000 loops, best of 3: 195 µs per loop

%timeit pd.get_dummies(df.stack()).groupby(level=1).sum()
1000 loops, best of 3: 1.2 ms per loop

【讨论】:

谢谢!这非常有效,我上一个问题中的“额外积分”部分帮助我对列进行了排序。

以上是关于计算pandas中多列问题的likert量表结果数的主要内容,如果未能解决你的问题,请参考以下文章

如何在Likert量表上测量的自变量应该在二元逻辑回归中作为连续变量或序数变量来处理?

如何在 pct_change 计算中对 pandas DataFrame 中的多列进行分组

t 测试 groupby pandas 之后的多列

如何使用 Pandas 计算跨多列的行中的值?

在数据框架内重新编码李克特量表 - 为研究方法学习R的建议?

Python Pandas 对多列进行值计数并根据结果生成图表