python - 如何聚合特定值的数据框？

Question

我有一个像这样的pandas数据框df

ID activity date
1  A        4
1  B        8
1  A        12
1  C        12
2  B        9
2  A        10
3  A        3
3  D        4

我想返回一个表，该表计算精确列表中某些 activity 的出现次数，在这种情况下说 l = [A, B] , 然后

ID activity(count)_A  activity(count)_B
1  2                  1
2  1                  2
3  1                  0

是我需要的。

执行该操作的最快方法是什么？理想情况下没有 for 循环

谢谢!

编辑:我知道有 pivot 函数可以完成这种工作。但在我的例子中，我拥有的 activity 类型比我真正需要在列表 l 中计算的要多得多。使用 pivot 仍然是最佳选择吗？

Answer 1

您可以使用 isin与 boolean indexing作为第一步然后旋转 - 最快应该是 groupby , size和 unstack , 然后 pivot_table最后crosstab ，最好用真实数据测试每个解决方案:

df2 = (df[df['activity'].isin(['A','B'])]
         .groupby(['ID','activity'])
         .size()
         .unstack(fill_value=0)
         .add_prefix('activity(count)_')
         .reset_index()
         .rename_axis(None, axis=1))

print (df2)
   ID  activity(count)_A  activity(count)_B
0   1                  2                  1
1   2                  1                  1
2   3                  1                  0

或者:

df1 = df[df['activity'].isin(['A','B'])]

df2 = (pd.crosstab(df1['ID'], df1['activity'])
        .add_prefix('activity(count)_')
        .reset_index()
        .rename_axis(None, axis=1))

或者:

df2 = (df[df['activity'].isin(['A','B'])]
          .pivot_table(index='ID', columns='activity', aggfunc='size', fill_value=0)
          .add_prefix('activity(count)_')
          .reset_index()
          .rename_axis(None, axis=1))