python - 计算 Pandas 数据框中的值频率

Question

我有一个带有此设置的 pandas dataframe df

col1 col2
v1   i1
v1   i50
v2   i60
v2   i1
v2   i8 
v10  i8
v10  i1 
v10  i2 
..

我想计算 col1 中有多少个元素具有 col2 的值。并使用此设置将结果存储到数据框中

col1 frequency
i1   80
i2   195
...  ...

我试图在 Pandas 中做到这一点，

 item_frequency = pd.unique(relevant_data[relevant_data['col2'].isin(pd.unique(relevant_data['col2'].values.ravel()))]['col1'].values.ravel())

产生错误

raise ValueError('Lengths must match to compare')
ValueError: Lengths must match to compare

PS:我想以矢量化的方式来做这件事。

Answer 1

不太清楚你想要得到什么结果，所以如果你想 col1, col2, frequency - 那么你可以使用 groupby()和 size() :

In [5]: df.groupby(['col1', 'col2']).size()
Out[5]: 
col1  col2
v1    i1      1
      i50     1
v10   i1      1
      i2      1
      i8      1
v2    i1      1
      i60     1
      i8      1

如果您只想计算col2 的计数，那么value_counts()将工作:

In [6]: df['col2'].value_counts()
Out[6]: 
i1     3
i8     2
i60    1
i2     1
i50    1
dtype: int64

更新

在您更新您的描述后，我发现如果每次交易可能不止一次有一个值，value_counts() 可能会给您错误的答案。但是你可以用 drop_duplicates() 解决这个问题:

In [9]: df.drop_duplicates()['col2'].value_counts()
Out[9]: 
i1     3
i8     2
i60    1
i2     1
i50    1
dtype: int64