Python Pandas 多列分组统计与结果转换详解

单列统计与多列统计场景引入

首先明确本文的应用场景：假设存在一个DataFrame对象df，目标是统计其中某一列各元素的出现频次。此前在《如何画直方图》一文中已提及，利用value_counts()函数即可达成此目的，此处不再赘述。

接下来探讨另一种场景：若需统计数据集中两列元素共同出现的频次，具体示例如下。

在df数据集中，若需统计A、B两列元素的组合出现情况，预期结果应呈现如下表格形式。

观察上述结果表的最后一列可知，在A、B两列的组合中，值为(1, 2)的组合出现了2次，(1, 4)出现1次，(1, 6)出现1次，(2, 3)出现2次，(2, 4)出现1次，(3, 1)出现1次。

Pandas多列分组统计实现

实现上述统计的具体代码逻辑如下。

import pandas as pd
df=pd.DataFrame([[1,2,2],[1,4,5],[1,2,4],[1,6,3],[2,3,1],[2,4,1],[2,3,5],[3,1,1]],columns=['A','B','C'])

gp=df.groupby(by=['A','B'])
gp.size()

因此，若需统计更多列的组合频次，只需在groupby()函数的by参数中追加相应的列名即可，例如统计三列的情况。

gp=df.groupby(by=['A','B','C'])

通过gp.size()获取的结果是一个MultiIndex Series对象。

从Series到DataFrame的结构转换

随后，需将该Series转换为DataFrame结构以便进一步处理。

newdf=gp.size()
newdf.reset_index(name='times')

在转换过程中，可通过name参数为统计结果的列指定新名称，例如此处命名为“times”。

此时，newdf已转换为标准的DataFrame类型。

以上内容即为本文的全部讲解，希望对读者的学习有所帮助，也欢迎大家继续支持本站。