我的數(shù)據(jù)在事件方面具有行粒度，我想按客戶(hù) ID 聚合它們。數(shù)據(jù)采用 pandas df 的形式，如下所示：| Event ID | Cust ID | P1 | P2 | P3 | P4 |------------------------------------------| 1 | 1 | 12 | 0 | 0 | 0 |--------------------------| 2 | 1 | 12 | 0 | 0 | 0 |--------------------------| 3 | 1 | 10 | 12 | 0 | 0 |--------------------------- | 4 | 2 | 206 | 0 | 0 | 0 |--------------------------- | 5 | 2 | 206 | 25 | 0 | 0 |----------------------------P1 到 P4 的數(shù)字只是級(jí)別，它們是我需要計(jì)算的事件類(lèi)別（有 175 多個(gè)代碼），其中每個(gè)事件類(lèi)別都有自己的列。我想要的輸出，理想情況下看起來(lái)像：| Cust ID | Count(12) | Count(10) | Count(25) | Count(206) |------------------------------------------------------------ | 1 | 3 | 1 | 0 | 0 |--------------------- | 2 | 0 | 0 | 1 | 2 |---------------------我面臨的挑戰(zhàn)是跨多個(gè)列進(jìn)行計(jì)數(shù)。P1 中有 2 個(gè)“12”，P2 中有 1 個(gè)“12”。我嘗試使用 groupby 并合并。但是我要么錯(cuò)誤地使用了它們，要么使用了錯(cuò)誤的函數(shù)，因?yàn)槲以诮Y(jié)果表中得到了很多“NaN”。
1 回答
jeck貓
TA貢獻(xiàn)1909條經(jīng)驗(yàn) 獲得超7個(gè)贊
您可以使用以下方法：
df = pd.DataFrame({'Event ID':[1,2,3,4,5],
'Cust ID':[1]*3+[2]*2,
'P1':[12,12,10,206,25],
'P2':[0,0,12,0,0],
'P3':[0]*5,
'P4':[0]*5})
df.melt(['Event ID','Cust ID'])\
.groupby('Cust ID')['value'].value_counts()\
.unstack().add_prefix('Count_')\
.reset_index()
輸出：
value Cust ID Count_0 Count_10 Count_12 Count_25 Count_206
0 1 8.0 1.0 3.0 NaN NaN
1 2 6.0 NaN NaN 1.0 1.0
添加回答
舉報(bào)
0/150
提交
取消