python - 每年计算 pandas 数据框中的相似字符串值

Question

具有以下数据集。我想计算某个字符串在某一年出现的次数。实际上，多年来我有一个更大的数据框。如何结合 groupby 方法并计算不同的字符串值？

df = pd.DataFrame(data={'col1':['A','B','D','A'],'col2':['B','C', 'E','E'],'col3':['C','D','',''],'col4':['D','E','','']}, index = ['01-01-2000','02-01-2000','01-01-2001','02-01-2001'])

           col1 col2 col3 col4
01-01-2000    A    B    C    D
02-01-2000    B    C    D    E
01-01-2001    D    E          
02-01-2001    A    E          

期望的结果:

           count
A    2000    1
A    2001    1
B    2000    2    
B    2001    0
C    2000    2
C    2001    0
D    2000    2
D    2001    1
E    2000    1
E    2001    2

Answer 1

您可以在 DataFrame.assign 中创建新列 year , 然后通过 DataFrame.melt reshape , 通过 DataFrame.query 删除空字符串, 通过 GroupBy.size 获得计数, 通过 Series.unstack 添加缺失的类别和 DataFrame.stack最后一次使用 Series.reset_index :

df.index = pd.to_datetime(df.index)

df = (df.assign(year = df.index.year)
        .melt('year', value_name='val')
        .query("val != ''")
        .groupby(['val','year'])
        .size()
        .unstack(fill_value=0)
        .stack()
        .reset_index(name='count')
        )
print (df)
  val  year  count
0   A  2000      2
1   A  2001      1
2   B  2000      2
3   B  2001      0
4   C  2000      2
5   C  2001      0
6   D  2000      1
7   D  2001      1
8   E  2000      1
9   E  2001      2