python - 生成每列的出现次数，但相对于另一列？

Question

我有一个像这样的数据框:

   Machine |    Date   | ticket | Heavy | Med | Low |  
    Mach_1    1/2/1992    abb       1      0     0    
    Mach_1    1/6/1992    abb       1      0     1     
    Mach_1    1/6/1992    att       0      0     1     
    Mach_2    1/2/1992    avm       1      0     0     
    Mach_2    1/14/1992   avm       1      0     0   
    Mach_2    1/2/1992    avm       1      0     0   

我想生成一个新表，其中包含每台机器的功能的出现次数，但仅限于具有相同名称、相同日期但不同票证代码的机器。

这样它就可以生成一个像这样的新DataFrame:

   Machine |    Date    | Heavy | Med | Low |  
    Mach_1    1/2/1992      1      0     0    
    Mach_1    1/6/1992      1      0     2        
    Mach_2    1/2/1992      1      0     0     
    Mach_2    1/14/1992     1      0     0   
    Mach_2    1/2/1992      1      0     0 

例如:1/6/1992 上的 Mach_1 的 Heavy 计数为 1，因为它只该日期出现了一次，但低的计数为2，因为它出现了两次。

谢谢!

Answer 1

使用重复 + groupby。这是一个更棘手的问题，因为您想保留重复的行，只是不想对它们进行求和。解决方案是确保使用 cumsum 为每个重复行分配一个新的 id，然后在分组中使用该键。

<小时/>

d = df.duplicated(['Machine', 'Date', 'ticket'])
never_group = d.groupby(d).cumsum()

df.groupby(['Machine', 'Date', never_group], as_index=False, sort=False).sum()

  Machine       Date  Heavy  Med  Low
0  Mach_1   1/2/1992      1    0    0
1  Mach_1   1/6/1992      1    0    2
2  Mach_2   1/2/1992      1    0    0
3  Mach_2  1/14/1992      1    0    0
4  Mach_2   1/2/1992      1    0    0

<小时/>

说明

查找重复值有助于我们生成组。

>>> d = df.duplicated(['Machine', 'Date', 'ticket'])
>>> d
0    False  
1    False  
2    False  
3    False  
4    False  
5     True  
dtype: bool 

接下来我们必须确保为所有重复的值分配一个唯一的键

>>> d.groupby(d).cumsum().view('i1')
0    0
1    0
2    0
3    0
4    0
5    1
dtype: int8

这确保即使一个值重复多次，它也会作为唯一行保留在最终结果中，但不会聚合，假设您的 DataFrame 如下所示:

  Machine       Date ticket  Heavy  Med  Low
0  Mach_1   1/2/1992    abb      1    0    0
1  Mach_1   1/6/1992    abb      1    0    1
2  Mach_1   1/6/1992    att      0    0    1
3  Mach_2   1/2/1992    avm      1    0    0
4  Mach_2  1/14/1992    avm      1    0    0
5  Mach_2   1/2/1992    avm      1    0    0
6  Mach_2   1/2/1992    avm      1    0    0

我们有三个重复值需要分开

>>> d = df.duplicated(['Machine', 'Date', 'ticket'])
>>> d.groupby(d).cumsum()
0    0.0
1    0.0
2    0.0
3    0.0
4    0.0
5    1.0
6    2.0
dtype: float64