python - 如果要计数的值位于另一只 Pandas 数据框中(以一种更快的方式)，如何计算值的出现？

Question

我有一个(非常大的) Pandas Dataframe df :

country  age  gender
Brazil    10     F
USA       20     F 
Brazil    10     F
USA       20     M
Brazil    10     M
USA       20     M

我还有另一个 Pandas Dataframe freq :

 age  gender  counting
  10       F         0
  10       M         0
  20       F         0

当它们出现在 df 中时，我想计算 freq 中的一对值:

 age  gender  counting
  10       F         2
  10       M         1
  20       F         1

我正在使用此代码，但是花费的时间太长:

for row in df.itertuples(index=False):
   freq.loc[np.all(freq['age','gender']==row[2:3],axis=1),'counting'] += 1

有更快的方法吗？

请注意:

我必须使用 freq ，因为并非所有组合(例如20和M)都是理想的

不能使用 df 中的某些列

count计算两个值在每一行中出现的次数

freq可能有两个以上的值要检查(这只是一个小例子)

Answer 1

您可以使用内部merge过滤掉不需要的df中的组合，然后groupby年龄和性别，并count进行列计数。只需reset_index以适合您的预期输出即可。

freq = (df.merge(freq, on=['age', 'gender'], how='inner')
          .groupby(['age','gender'])['counting'].size()
          .reset_index())
print (freq)
   age gender  counting
0   10      F         2
1   10      M         1
2   20      F         1

根据您不希望使用的组合数量，在执行 groupby之前，先在 df上对 merge进行编码可能会更快:

freq = (df.groupby(['age','gender']).size()
          .rename('counting').reset_index()
          .merge(freq[['age','gender']])
       )