python - 使用 grouby 进行计数

Question

我有一个具有以下结构的文件(大约有 10K 行):

User Destination Country
123  34578       US
123  34578       US
345  76590       US
123  87640       MX
890  11111       CA
890  88888       CA
890  99999       CA

每个用户可以前往位于不同国家/地区的多个目的地。我需要找出用户前往的独特目的地的数量、独特目的地的中位数和均值。国家也一样。我不知道如何使用 groupby 来实现这一点。我设法通过将所有内容放在嵌套字典中来获取统计信息，但我觉得使用 pandas 数据帧和 groubpy 可能有更简单的方法。

我不是在寻找每个 groupby 部分的计数。我正在寻找类似的东西:平均而言，用户访问 X 个目的地和 Y 个国家/地区。因此，我正在寻找所有 groupby 结果的汇总统计数据。

编辑。这是我的字典方法:

from collections import defaultdict
test=lambda: defaultdict(test)
conn_l=test()
with open('myfile') as f:
    for line in f:
        current=line.split(' ')
        s = current[0]
        d = current[1]
        if conn_l[s][d]:
            conn_l[s][d]+=1
        else:
            conn_l[s][d]=1

lengths=[]
for k,v in conn_l.items():
    lengths.append(len(v))

Answer 1

我认为这可能比乍一看要难一些(或者可能有比我下面做的更简单的方法)。

ser = df.groupby('User')['Destination'].value_counts()

123   34578    2
      87640    1
345   76590    1
890   11111    1
      99999    1
      88888    1

value_counts() 的输出是一个系列，然后您可以再次执行 groupby 以获得唯一目的地的计数。

ser2 = ser.groupby(level=0).count()

User
123    2
345    1
890    3

这是为了清楚起见，但您可以在一行中完成所有操作。

df.groupby('User')['Destination'].value_counts().groupby(level=0).count()

使用 ser2，您应该能够完成所有其他事情。

ser2.median()
ser2.mean()