我有一个数据框,其中一个人的名字作为索引(可以有多个条目)和两列“X”和“Y”.列’X’和’Y’可以是A-C之间的任何字母.
例如:
df = pd.DataFrame({'X' : ['A', 'B', 'A', 'C'], 'Y' : ['B', 'A', 'A', 'C']},index = ['Bob','Bob','John','Mike'])
对于每个人(即索引),我想得到列’X’和’Y’的每个唯一组合的出现次数(例如 – 对于Bob我有1个计数(‘A’,’B’)和1计数(‘B’,’A’)).
当我执行以下操作时:
df.loc['Bob'].groupby(['X','Y']).size()
我得到鲍勃的正确结果.如何在没有人的情况下为每个人这样做?
理想情况下,我会得到一个数据框,其中不同的人作为索引,列的“X”和“Y”的每个唯一组合作为列以及它在数据框中作为值出现的次数.
('A','A') ('A','B') ('A','C') ('B','A') ... ('C','C')
Bob 0 1 0 1 0
John 1 0 0 0 0
Mike 0 0 0 0 1
最佳答案 我想你可以用:
#convert columns X and Y to tuples
df['tup'] = list(zip(df.X, df.Y))
#get size and reshape
df1 = df.reset_index().groupby(['index','tup']).size().unstack(fill_value=0)
print (df1)
tup (A, A) (A, B) (B, A) (C, C)
index
Bob 0 1 1 0
John 1 0 0 0
Mike 0 0 0 1
#get all unique combination
from itertools import product
comb = list(product(df.X.unique(), df.Y.unique()))
print (comb)
[('A', 'B'), ('A', 'A'), ('A', 'C'), ('B', 'B'), ('B', 'A'),
('B', 'C'), ('C', 'B'), ('C', 'A'), ('C', 'C')]
#reindex columns by this combination
print (df1.reindex(columns=comb, fill_value=0))
tup (A, B) (A, A) (A, C) (B, B) (B, A) (B, C) (C, B) (C, A) (C, C)
index
Bob 1 0 0 0 1 0 0 0 0
John 0 1 0 0 0 0 0 0 0
Mike 0 0 0 0 0 0 0 0 1