我想在我的pandas数据帧中创建一个value_counts列

4 回答

• 0

  df['Counts'] = df.groupby(['Color'])['Value'].transform('count')
  

  例如，

  In [102]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})
  
  In [103]: df
  Out[103]: 
    Color  Value
  0   Red    100
  1   Red    150
  2  Blue     50
  
  In [104]: df['Counts'] = df.groupby(['Color'])['Value'].transform('count')
  
  In [105]: df
  Out[105]: 
    Color  Value  Counts
  0   Red    100       2
  1   Red    150       2
  2  Blue     50       1
  

  请注意 transform('count') 忽略NaN . 如果要计算NaN，请使用 transform(len) .

  ---

  对于匿名编辑器：如果您在使用 transform('count') 时收到错误，可能是由于您的Pandas版本太旧了 . 以上工作与熊猫版本0.15或更新 .

  回复于 2024-04-26T18:40:34+08:00
• 42

  我最初的想法是使用列表理解，如下所示，但正如评论中指出的那样，这比 groupby 和 transform 方法慢 . 我将留下这个答案来证明 WHAT NOT TO DO ：

  In [94]: df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]})
  In [95]: df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
  In [96]: df
  Out[100]: 
    Color  Value  Counts
  0   Red    100       2
  1   Red    150       2
  2  Blue     50       1
  
  [3 rows x 3 columns]
  

  对于具有多个列的DataFrame，@ unutbu的方法变得复杂，这使得代码更加简单 . 如果您正在处理一个小数据框，这会更快（见下文），但除此之外，您应该使用 NOT 使用它 .

  In [97]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = df.groupby(['Color']).transform('count')
  100 loops, best of 3: 2.87 ms per loop
  In [98]: %timeit df = pd.DataFrame({'Color': 'Red Red Blue'.split(), 'Value': [100, 150, 50]}); df['Counts'] = [sum(df['Color'] == df['Color'][i]) for i in xrange(len(df))]
  1000 loops, best of 3: 1.03 ms per loop
  

  回复于 2024-04-26T18:40:34+08:00
• 2

  另一种选择：

  z = df['Color'].value_counts 
  
      z1 = z.to_dict() #converts to dictionary
  
      df['Count_Column'] = df['Color'].map(z1)
  

  此选项将为您提供一个具有重复计数值的列，对应于“颜色”列中每个值的频率 .

  回复于 2024-04-26T18:40:34+08:00
• 1

  df['Counts'] = df.Color.groupby(df.Color).transform('count')

  您可以对任何系列执行此操作：将其自行分组并调用 transform('count') ：

  >>> series = pd.Series(['Red', 'Red', 'Blue'])
  >>> series.groupby(series).transform('count')
  0    2
  1    2
  2    1
  dtype: int64
  

  回复于 2024-04-26T18:40:34+08:00