我有一个像这样的数据框:
actual prediction
0 1 0
1 0 0
2 0 0
3 1 0
4 1 1
5 0 0
是否有一种 pythonic 方式来获得类似于以下的结果:
number of (0, 0) = 3
number of (0, 1) = 0
number of (1, 0) = 2
number of (1, 1) = 1
我并不完全需要它，而且我有多个版本的代码可以实现这一点，但它似乎太冗长了。获得它的 pythonic 方法是什么？
请您参考如下方法:
Pandas 解决方案(与@Divakar 的紧凑型 Numpy 解决方案相比不是那么好):
from itertools import product
In [291]: cats = ['{0[0]}{0[1]}'.format(tup) for tup in product([0,1], [0,1])]
In [292]: pd.Categorical((df.actual.astype(str)+df.prediction.astype(str)),
categories=cats) \
.value_counts()
Out[292]:
00 3
01 0
10 2
11 1
dtype: int64
如果您不需要像(0, 1)这样列出缺失的组合:
In [298]: df.groupby(df.columns.tolist()).size().reset_index()
Out[298]:
actual prediction 0
0 0 0 3
1 1 0 2
2 1 1 1
