python - 列出 pandas 数据框中每组的唯一值计数

Question

我是 pandas 和 python 的新手。

我正在尝试按一列对项目进行分组，并列出每组数据框中的信息。

我的数据框:

        B          C        D          E              F
1       Honda      USA      2000       Washington     New
2       Honda      USA      2001       Salt Lake      Used
3       Ford       Canada   2005       Washington     New
4       Toyota     USA      2010       Ney York       Used
5       Honda      USA      2001       Salt Lake      Used
6       Honda      Canada   2011       Salt Lake      Crashed
7       Ford       Italy    2014       Rome           New

我正在尝试按列 B 对我的数据框进行分组并列出有多少 C , D , E , F列值位于 B 组中。例如，我们在 B 列中看到有 4 Honda我将其组合在一起。然后我想列出以下信息 - USA(3), Canada(1), 2000(1),2001(2), 2011(1), Washington(1), Salt Lake(3), New(1), Used(2), Crashed(1)并对 B 列中的每个组(汽车品牌)执行相同的操作:

        Car         Country        Year        City             Condition
1       Honda(4)    USA(3)         2000(1)     Washington(1)    New(1)
                    Canada(1)      2001(2)     Salt Lake(3)     Used(2)
                                   2011(1)                      Crashed(1)

2       Ford(2)     Canada(1)      2005(5)     Washington(1)    New(2)
                    Italy(1)       2014(1)     Rome(1)

...

到目前为止我已经尝试过:

df.groupby(['B'])

这给了我<pandas.core.groupby.generic.DataFrameGroupBy object at 0x11d559080>

此时，我不确定在对列 B 进行分组后应该如何编码以继续获得所需的结果.

感谢您的建议。

Answer 1

您需要带有自定义函数的 lambda 函数，以便使用 Series.value_counts 单独处理每一列。然后将索引值与 Series 计数值连接在一起:

def f(x):
    x = x.value_counts()
    y = x.index.astype(str) + '(' + x.astype(str) + ')'
    return y.reset_index(drop=True)
df1 = df.groupby(['B']).apply(lambda x: x.apply(f)).reset_index(drop=True)
print (df1)
           B          C        D              E           F
0    Ford(2)   Italy(1)  2014(1)  Washington(1)      New(2)
1        NaN  Canada(1)  2005(1)        Rome(1)         NaN
2   Honda(4)     USA(3)  2001(2)   Salt Lake(3)     Used(2)
3        NaN  Canada(1)  2011(1)  Washington(1)  Crashed(1)
4        NaN        NaN  2000(1)            NaN      New(1)
5  Toyota(1)     USA(1)  2010(1)    Ney York(1)     Used(1)