python - Pandas 数据框的列总和并与其他数据结合

Question

这是 question 的延续我之前问过，当时得到了合适的答案。然而现在我的问题不同了，给出的答案不再(完全)适用。

我收集了大量 Twitter 消息，我想对其进行一些统计分析。部分数据框如下所示:

user.id      user.screen_name      user.followers_count      text
Jim          JimTHEbest            14                        blahbla
Jim          JIMisCOOL             15                        blebla
Sarah        Sarah123              33                        blaat
Sarah        Sarah123              33                        bla
Peter        PeterOnline           9                         blabla

user.id 永远不会改变，是 Twitter 帐户的标识符。

user.screen_name 为 Twitter 帐户指定的名称，可能会随着时间的推移而更改。

user.followers_count 帐户有多少关注者，可能会随着时间而变化。

文本 Twitter 消息，每行代表 1 条 Twitter 消息及其元数据。

我想做的是计算数据框中每个 Twitter 用户的推文频率，并将其与我已有的数据结合起来。这样我就得到了这样的东西:

user.id      user.screen_name      user.followers_count      count
Jim          JIMisCOOL             15                        2
Sarah        Sarah123              33                        2
Peter        PeterOnline           9                         1

数据集中每个 Twitter 用户的数据框有 1 行，显示他们的推文计数以及最后的 screen_name 和 follower_count。

我认为我应该做的是首先执行“计数”操作，然后 pd.merge 该结果与我的原始数据帧的一部分。在 pandas 文档的帮助下尝试合并并没有让我走得太远，主要是无休止地重复重复数据行..任何帮助将不胜感激!

我执行的计数部分如下:

df[['name', 'text']].groupby(['name']).size().reset_index(name='count')

Answer 1

# df being the original dataframe, taking the last row of each unique user.id and ignoring the 'text' column
output_df = df.drop_duplicates(subset='user.id', take_last=True)[['user.id', 'user.screen_name', 'user.followers_count']]
# adding the 'count' column
output_df['count'] = df['user.id'].apply(lambda x: len(df[df['user.id'] == x]))
output_df.reset_index(inplace=True, drop=True)
print output_df
>>   user.id user.screen_name  user.followers_count  count
   0     Jim        JIMisCOOL                    15      2
   1   Sarah         Sarah123                    33      2
   2   Peter      PeterOnline                     9      1