列中多个值的分组依据

2024-04-20 10:45:41 发布

您现在位置:Python中文网/ 问答频道 /正文

我有一个类似于下面的数据帧

+----------------+-------+
| class          | year  |
+----------------+-------+
| ['A', 'B']     | 2001  |
| ['A']          | 2002  |
| ['B']          | 2001  |
| ['A', 'B', 'C']| 2003  |
| ['B', 'C']     | 2001  |
| ['C']          | 2003  |
+----------------+-------+

我想用它创建一个数据帧,这样生成的表就可以显示每层类中每个类别的计数。你知道吗

+-----+----+----+----+
|year | A  | B  | C  |
+-----+----+----+----+
|2001 | 1  | 3  | 1  |
|2002 | 1  | 0  | 0  |
|2003 | 1  | 1  | 2  |
+-----+----+----+----+

最简单的方法是什么?你知道吗


Tags: 数据方法类别yearclass计数每层
1条回答
网友
1楼 · 发布于 2024-04-20 10:45:41

试试unnesting

s=unnesting(df,['class'])

然后,我们做crosstab

pd.crosstab(s['year'],s['class'])

来自sklearn的方法

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
pd.DataFrame(mlb.fit_transform(df['class']),columns=mlb.classes_, index=df.year).sum(level=0)
Out[293]: 
      A  B  C
year         
2001  2  2  1
2002  1  1  1
2003  0  1  1

get_dummies方法

df.set_index('year')['class'].apply(','.join).str.get_dummies(sep=',').sum(level=0)
Out[297]: 
      A  B  C
year         
2001  2  2  1
2002  1  1  1
2003  0  1  1

def unnesting(df, explode):
    idx = df.index.repeat(df[explode[0]].str.len())
    df1 = pd.concat([
        pd.DataFrame({x: np.concatenate(df[x].values)}) for x in explode], axis=1)
    df1.index = idx

    return df1.join(df.drop(explode, 1), how='left')

相关问题 更多 >