python - 使用 groupby 计算 pandas 数据框中的元素并将它们附加到现有数据框中

Question

我有一个具有以下结构的 Pandas 数据框:

date    ticker Name 
2/1/10  aaa    zzz  
2/1/10  aaa    yyy  
2/5/10  bbb    xxx  
2/5/10  ccc    www  
2/5/10  ccc    qqq  
2/5/10  ddd    vvv  
2/6/10  aaa    zzz  

我想在每一行中添加一个列，其中包含同一代码在同一日期出现的次数。所以输出看起来像这样:

date    ticker Name count 
2/1/10  aaa    zzz  2
2/1/10  aaa    yyy  2
2/5/10  bbb    xxx  1
2/5/10  ccc    www  2
2/5/10  ccc    qqq  2
2/5/10  ddd    vvv  1
2/6/10  aaa    zzz  1

目前我能够获得每个股票代码在同一日期出现的次数，但在一个缩减的数据框中，所以我无法将它优雅地调整回原始数据框。这就是我正在尝试的:

grpby2 = df2.groupby(['Date','Ticker'])
tmp = grpby2.agg({'Ticker':'max','Name':'count'}).reset_index(1,drop=True).reset_index(drop=False)

谢谢

Answer 1

使用 groupby + transform 和 'count':

df['count'] = df.groupby(['date', 'ticker']).transform('count')

print(df)

     date ticker Name  count
0  2/1/10    aaa  zzz      2
1  2/1/10    aaa  yyy      2
2  2/5/10    bbb  xxx      1
3  2/5/10    ccc  www      2
4  2/5/10    ccc  qqq      2
5  2/5/10    ddd  vvv      1
6  2/6/10    aaa  zzz      1

也适用于 len，但此选项速度明显较慢，因为它不使用字符串指示的优化函数。