按两列对数据帧分组并获取计数
我有一个熊猫数据框，格式如下：
df = pd.DataFrame([[1.1, 1.1, 1.1, 2.6, 2.5, 3.4,2.6,2.6,3.4,3.4,2.6,1.1,1.1,3.3], list('AAABBBBABCBDDD'), [1.1, 1.7, 2.5, 2.6, 3.3, 3.8,4.0,4.2,4.3,4.5,4.6,4.7,4.7,4.8], ['x/y/z','x/y','x/y/z/n','x/u','x','x/u/v','x/y/z','x','x/u/v/b','-','x/y','x/y/z','x','x/u/v/w'],['1','3','3','2','4','2','5','3','6','3','5','1','1','1']]).T
df.columns = ['col1','col2','col3','col4','col5']
df:
col1 col2 col3 col4 col5
0 1.1 A 1.1 x/y/z 1
1 1.1 A 1.7 x/y 3
2 1.1 A 2.5 x/y/z/n 3
3 2.6 B 2.6 x/u 2
4 2.5 B 3.3 x 4
5 3.4 B 3.8 x/u/v 2
6 2.6 B 4 x/y/z 5
7 2.6 A 4.2 x 3
8 3.4 B 4.3 x/u/v/b 6
9 3.4 C 4.5 - 3
10 2.6 B 4.6 x/y 5
11 1.1 D 4.7 x/y/z 1
12 1.1 D 4.7 x 1
13 3.3 D 4.8 x/u/v/w 1
现在我想将其分为两列，如下所示：
df.groupby(['col5','col2']).reset_index()
输出：
index col1 col2 col3 col4 col5
col5 col2
1 A 0 0 1.1 A 1.1 x/y/z 1
D 0 11 1.1 D 4.7 x/y/z 1
1 12 1.1 D 4.7 x 1
2 13 3.3 D 4.8 x/u/v/w 1
2 B 0 3 2.6 B 2.6 x/u 2
1 5 3.4 B 3.8 x/u/v 2
3 A 0 1 1.1 A 1.7 x/y 3
1 2 1.1 A 2.5 x/y/z/n 3
2 7 2.6 A 4.2 x 3
C 0 9 3.4 C 4.5 - 3
4 B 0 4 2.5 B 3.3 x 4
5 B 0 6 2.6 B 4 x/y/z 5
1 10 2.6 B 4.6 x/y 5
6 B 0 8 3.4 B 4.3 x/u/v/b 6
我想得到每一行的计数，如下所示。预期产出：
col5 col2 count
1 A 1
D 3
2 B 2
etc...
如何获得我的预期输出？我想找出每个“col2”值的最大计数？
共有3个答案
(df.groupby(['col5', 'col2']).size()
.sort_values(ascending=False)
.reset_index(name='count')
.drop_duplicates(subset='col2'))
col5 col2 count
0 3 A 3
1 1 D 3
2 5 B 2
6 3 C 1
解释
groupbysize方法的结果是一系列索引中包含col5和col2。从这里，您可以使用另一个groupby方法来查找col2中每个值的最大值，但不必这样做。您可以简单地对所有值进行降序排序，然后使用drop\u duplicates方法仅保留第一次出现col2的行。
接下来是@Andy的回答，你可以做以下操作来解决你的第二个问题：
In [56]: df.groupby(['col5','col2']).size().reset_index().groupby('col2')[[0]].max()
Out[56]:
0
col2
A 3
B 2
C 1
D 3
您正在寻找size：
In [11]: df.groupby(['col5', 'col2']).size()
Out[11]:
col5 col2
1 A 1
D 3
2 B 2
3 A 3
C 1
4 B 1
5 B 2
6 B 1
dtype: int64
要得到与waitingkuo（第二个问题）相同的答案，但稍微干净一点，就是按级别分组：
In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A 3
B 2
C 1
D 3
dtype: int64
-
我正在处理一个包含3列的csv文件，如下所示： 列包含不同的值（比如总共5个），其中包括空格、冒号和其他特殊字符。 我试图实现的是根据每个指标绘制时间图（在同一个图上或在不同的图上）。我可以使用，但首先需要根据“标签”对对进行分组。 我查看了以获得标签，并将以“标签”进行分组，但我正在努力以一种正确的“pythonic”方式完成这项工作。 有什么建议吗？
-
我想按多个列对熊猫数据框进行分组。每个Row都有一个整数、一个Name和一个额外的数值。我希望最终的Dataframe包含Name具有最高整数的每一行。 通过分组数据帧，只有第0行应该消失。第3行和第4行仍应包括在数据框中。
-
我有列。 如何根据值将其拆分为2？ 第一个将包含
-
问题内容： 假设我有一个具有以下值的数据框： 我想首先根据前两列（col1和col2）对数据框进行分组，然后对第三列的值（值）进行平均。因此，所需的输出将如下所示： 我正在使用以下代码： 出现以下错误： 任何帮助将非常感激。 问题答案： 您需要将列的列表传递给groupby，您传递的内容被解释为param，这就是它引发错误的原因：
-
如何将spark数据框中的所有列名放入Seq变量中。 输入数据 我需要使用scala编程将所有列名存储在变量中。我尝试了如下方法，但不起作用。 预期输出：
-
问题内容： 建立库存系统。我有很多产品，每个产品都有三个不同的变量。因此，对于总库存，我想按两列（产品和尺寸）和总数量分组以获得总库存。 我想要输出的内容： 小部件一-2：375 小部件二-3：150 小部件二-2：150 我想出了如何使用以下代码将一列分组并求和： 我只是按两列分组。可能吗？还是应该仅针对这三种尺寸的商品创建三种不同的产品并删除该列？谢谢。 问题答案： 根据示例表，您似乎希望分组