更新了示例數(shù)據(jù)集我有以下數(shù)據(jù)：location ID ValueA 1 1 A 1 1A 1 1 A 1 1A 1 2 A 1 2A 1 2 A 1 2A 1 3 A 1 4 A 2 1 A 2 2 A 3 1 A 3 2B 4 1 B 4 2 B 5 1B 5 1 B 5 2B 5 2 B 6 1 B 6 1B 6 1B 6 1 B 6 1B 6 2B 6 2B 6 2 B 7 1 我想計算每個位置和以下輸出的每個 ID 的唯一值（僅當(dāng)值等于 1 或 2 時）。location ID_Count Value_CountA 3 6B 4 7我嘗試使用df.groupby(['location'])['ID','value'].nunique()，但我只得到唯一的值計數(shù)，就像我得到 A 的 value_count 為 4，B 的 value_count 為 2。
4 回答
猛跑小豬
TA貢獻1858條經(jīng)驗 獲得超8個贊
嘗試對值agg進行切片。IDTrue
對于更新的示例，您只需在處理之前刪除重復(fù)項即可。其余的都一樣
df = df.drop_duplicates(['location', 'ID', 'Value'])
df_agg = (df.Value.isin([1,2]).groupby(df.location)
.agg(ID_count=lambda x: df.loc[x[x].index, 'ID'].nunique(),
Value_count='sum'))
Out[93]:
ID_count Value_count
location
A 3 6
B 4 7
飲歌長嘯
TA貢獻1951條經(jīng)驗 獲得超3個贊
與 anky 大致相同，但隨后使用Series.whereandnamed aggregations因此我們可以在 groupby 中創(chuàng)建列時重命名列。
grp = df.assign(Value=df['Value'].where(df['Value'].isin([1, 2]))).groupby('location')
grp.agg(
ID_count=('ID', 'nunique'),
Value_count=('Value', 'count')
).reset_index()
location ID_count Value_count
0 A 3 6
1 B 4 7
千巷貓影
TA貢獻1829條經(jīng)驗 獲得超7個贊
讓我們嘗試使用與其他答案非常相似的方法。這次我們先過濾：
(df[df['Value'].isin([1,2])]
.groupby(['location'],as_index=False)
.agg({'ID':'nunique', 'Value':'size'})
)
輸出：
location ID Value
0 A 3 6
1 B 4 7
12345678_0001
TA貢獻1802條經(jīng)驗 獲得超5個贊
IIUC，你可以嘗試series.isin一下groupby.agg
out = (df.assign(Value_Count=df['Value'].isin([1,2])).groupby("location",as_index=False)
.agg({"ID":'nunique',"Value_Count":'sum'}))
print(out)
location ID Value_Count
0 A 3 6.0
1 B 4 7.0
添加回答
舉報
0/150
提交
取消