python - Pandas :使用groupby计算重复行数

Question

我有一个包含重复行的数据框

>>> d = pd.DataFrame({'n': ['a', 'a', 'a'], 'v': [1,2,1]})
>>> d
   n  v
0  a  1
1  a  2
2  a  1

我想了解如何具体使用 .groupby() 方法，以便我可以向数据框中添加一个新列，该列显示与当前行相同的行数。

>>> dd = d.groupby(by=['n','v'], as_index=False)  # Use all columns to find groups of identical rows
>>> for k,v in dd:
...      print(k, "\n", v, "\n")  # Check what we found
... 
('a', 1) 
    n  v
0  a  1
2  a  1 

('a', 2) 
    n  v
1  a  2 

当我尝试对生成的 DataFrameGroupBy 对象执行 dd.count() 时，我得到了 IndexError: list index out of range。这似乎是因为所有列都用于分组操作并且没有其他列可用于计数。同样，dd.agg({'n', 'count'}) 失败并返回 ValueError: no results。

我可以使用 .apply() 来实现看起来像结果的东西。

>>> dd.apply(lambda x: x.assign(freq=len(x)))
     n  v  freq
0 0  a  1     2
  2  a  1     2
1 1  a  2     1

然而，这有两个问题:1) 索引发生了一些变化，因此很难将其映射回原始索引，2) 这似乎不是惯用的 Pandas 和手册 discourage使用 .apply() 因为它可能很慢。

在使用 .groupby() 时，是否有更惯用的方法来计算重复行？

Answer 1

一个解决方案是使用 GroupBy.size 对于带有计数器的聚合输出:

d = d.groupby(by=['n','v']).size().reset_index(name='c')
print (d)
   n  v  c
0  a  1  2
1  a  2  1

如果在 groupby 之后指定一些列名，您的解决方案就会起作用，因为没有其他列 n , v输入 DataFrame :

d = d.groupby(by=['n','v'])['n'].count().reset_index(name='c')

print (d)
   n  v  c
0  a  1  2
1  a  2  1

如果需要带有 GroupBy.transform 的新列，还需要什么- 新列由聚合值填充:

d['c'] = d.groupby(by=['n','v'])['n'].transform('size')
print (d)
   n  v  c
0  a  1  2
1  a  2  1
2  a  1  2