python - 如何使用 Pandas 计算另一列中每个值在一列中的出现次数？

Question

我有一个带有唯一索引和“用户”、“tweet_time”和“tweet_id”列的数据框。

我想计算每个用户重复的 tweet_time 值的数量。

users = ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C']
tweet_times = ['01-01-01 01:00', '02-02-02 02:00', '03-03-03 03:00', '09-09-09 09:00',
               '04-04-04 04:00', '04-04-04 04:00', '05-05-05 05:00', '09-09-09 09:00',
               '06-06-06 06:00', '06-06-06 06:00', '07-07-07 07:00', '07-07-07 07:00']

d = {'users': users, 'tweet_times': tweet_times} 
df = pd.DataFrame(data=d)

期望的输出

一个:0

乙:1

C: 2

我设法使用下面的代码获得所需的输出(A: 0 除外)。但是是否有更 pythonic/更有效的方法来做到这一点？

# group by both columns
df2 = pd.DataFrame(df.groupby(['users', 'tweet_times']).tweet_id.count())

# filter out values < 2
df3 = df2[df2.tweet_id > 1]

# turn multi-index level 1 into column
df3.reset_index(level=[1], inplace=True)

# final groupby
df3.groupby('users').tweet_times.count()

Answer 1

我们可以使用crosstab创建一个频率表，然后检查大于 1 的计数，创建一个 bool 掩码，然后沿着 axis=1

sum 这个掩码

pd.crosstab(df['users'], df['tweet_times']).gt(1).sum(1)

---

 users
A    0
B    1
C    2
dtype: int64