我的问题是如何计算 pandas 中多个变量的频率。 我从这个数据框中得到:

d1 = pd.DataFrame( {'StudentID': ["x1", "x10", "x2","x3", "x4", "x5", "x6",   "x7",     "x8", "x9"],
                       'StudentGender' : ['F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M', 'M'],
                 'ExamenYear': ['2007','2007','2007','2008','2008','2008','2008','2009','2009','2009'],
                 'Exam': ['algebra', 'stats', 'bio', 'algebra', 'algebra', 'stats', 'stats', 'algebra', 'bio', 'bio'],
                 'Participated': ['no','yes','yes','yes','no','yes','yes','yes','yes','yes'],
                  'Passed': ['no','yes','yes','yes','no','yes','yes','yes','no','yes']},
                  columns = ['StudentID', 'StudentGender', 'ExamenYear', 'Exam', 'Participated', 'Passed'])

得到如下结果

             Participated  OfWhichpassed
 ExamenYear                             
2007                   3              2
2008                   4              3
2009                   3              2

(1) 我尝试的一种可能性是计算两个数据帧并将它们绑定(bind)

t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len)
t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len)
tx = pd.concat([t1, t2] , axis = 1)

Res1 = tx['yes']

(2) 第二种可能是使用聚合函数。

import collections
dg = d1.groupby('ExamenYear')
Res2 = dg.agg({'Participated': len,'Passed': lambda x : collections.Counter(x == 'yes')[True]})

 Res2.columns = ['Participated', 'OfWhichpassed']

至少可以说这两种方式都很尴尬。 如何在 pandas 中正确完成此操作？

P.S:我也尝试了 value_counts 而不是 collections.Counter 但无法让它工作

供引用:几个月前，我为 R here 问了类似的问题plyr 可以提供帮助

----更新------

DSM 用户是对的。所需的表格结果有误。

(1) 选项一的代码是

 t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], aggfunc = len)
 t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len)
 t3 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len)

 Res1 = pd.DataFrame( {'All': t1,
                       'OfWhichParticipated': t2['yes'],
                     'OfWhichPassed': t3['yes']})

它会产生结果

             All  OfWhichParticipated  OfWhichPassed
ExamenYear                                         
2007          3                    2              2
2008          4                    3              3
2009          3                    3              2

(2) 对于选项 2，感谢用户 herrfz，我想出了如何使用 value_count 并且代码将是

Res2 = d1.groupby('ExamenYear').agg({'StudentID': len,
                                 'Participated': lambda x: x.value_counts()['yes'],
                                 'Passed': lambda x: x.value_counts()['yes']})

Res2.columns = ['All', 'OfWgichParticipated', 'OfWhichPassed']

这将产生与 Res1 相同的结果

我的问题仍然存在:

使用选项 2，是否可以使用同一个变量两次(用于另一个操作？)是否可以为结果变量传递自定义名称？

---- 新更新----

我最终决定使用 apply 我知道它更灵活。

最佳答案

我最终决定使用apply。

我发布了我的想法，希望它对其他人有用。

从Wes的书《Python for Data analysis》中了解到的

• apply 比 agg 和 transform 更灵活，因为您可以定义自己的函数。
• 唯一的要求是函数返回一个 pandas 对象 或一个标量值。
• 内部机制:在分组对象的每一 block 上调用该函数，然后使用 pandas.concat
将结果粘合在一起
• 最后需要“硬编码”您想要的结构

这是我想出来的

def ZahlOccurence_0(x):
      return pd.Series({'All': len(x['StudentID']),
                       'Part': sum(x['Participated'] == 'yes'),
                       'Pass' :  sum(x['Passed'] == 'yes')})

当我运行它时:

 d1.groupby('ExamenYear').apply(ZahlOccurence_0)

我得到了正确的结果

            All  Part  Pass
ExamenYear                 
2007          3     2     2
2008          4     3     3
2009          3     3     2

这种方法还允许我将频率与其他统计数据结合起来

import numpy as np
d1['testValue'] = np.random.randn(len(d1))

def ZahlOccurence_1(x):
    return pd.Series({'All': len(x['StudentID']),
        'Part': sum(x['Participated'] == 'yes'),
        'Pass' :  sum(x['Passed'] == 'yes'),
        'test' : x['testValue'].mean()})


d1.groupby('ExamenYear').apply(ZahlOccurence_1)


            All  Part  Pass      test
ExamenYear                           
2007          3     2     2  0.358702
2008          4     3     3  1.004504
2009          3     3     2  0.521511

我希望其他人会觉得这很有用

关于python - pandas 中的频率表(如 R 中的 plyr)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15589354/