我有一個(gè)場景，我試圖按特定值過濾數(shù)據(jù)幀，并計(jì)算另一個(gè)標(biāo)識符存在的次數(shù)。然后，我將其轉(zhuǎn)換為字典并映射回?cái)?shù)據(jù)幀。我遇到的問題是，生成的字典無法映射回?cái)?shù)據(jù)幀，因?yàn)槲艺谙蜃值湟霃?fù)雜性（額外的鍵？），我不知道如何避免它。我想一個(gè)簡單的問題是：“如何在我的CELL_ID列上使用value_counts”，通過另一個(gè)名為Grid_Type的列進(jìn)行過濾，并將結(jié)果映射回每個(gè)CELL_ID的所有單元格？到目前為止，我在做什么這可以計(jì)算包含CELL_ID的單元格數(shù)，但不允許我按Grid_Typedf['CELL_ID'].value_counts()z1 = z.to_dict()df['CELL_CNT'] = df['CELL_ID'].map(z1)這個(gè)簡單示例的字典輸出如下所示：7015988: 1, 7122961: 1, 6976792: 1我的代碼不好這是我迄今為止一直在研究的 - 我希望能夠返回計(jì)數(shù)，并按Grid_Type過濾。例如，我希望能夠計(jì)算我在每個(gè)CELL_ID中看到“Spot”的次數(shù)。z = df[df.Grid_Type == 'Spot'].groupby('CELL_ID')['Grid_Type'].value_counts()z1 = z.to_dict()df['SPOT_CNT'] = df['CELL_ID'].map(z1)似乎在我嘗試過濾的示例中，字典返回了一個(gè)更復(fù)雜的結(jié)果，其中包括Grid_Type。問題是，我只想將計(jì)數(shù)映射到Cell_ID。(7133691, 'Spot'): 3, (7133692, 'Spot'): 3, (7133693, 'Spot'): 2示例數(shù)據(jù)+---------+-----------+| CELL_ID | Grid_Type |+---------+-----------+|     001 | Spot      ||     001 | Square    ||     001 | Spot      ||     001 | Square    ||     001 | Square    ||     002 | Spot      ||     002 | Square    ||     002 | Square    ||     003 | Square    ||     003 | Spot      ||     003 | Spot      ||     003 | Spot      |+---------+-----------+預(yù)期結(jié)果+---------+-----------+----------+| CELL_ID | Grid_Type | SPOT_CNT |+---------+-----------+----------+|     001 | Spot      |        2 ||     001 | Square    |        2 ||     001 | Spot      |        2 ||     001 | Square    |        2 ||     001 | Square    |        2 ||     002 | Spot      |        1 ||     002 | Square    |        1 ||     002 | Square    |        1 ||     003 | Square    |        3 ||     003 | Spot      |        3 ||     003 | Spot      |        3 ||     003 | Spot      |        3 |+---------+-----------+----------+感謝您提供的任何幫助/