我有一个像这样的 2 列的 csv 文件:(一只动物可以有很多类别,但如果它在同一类别中出现多次,我们必须只计算一次)。
animal_id class
65HddD class-a
65HddD class-a
65HddD class-b
65HddD class-c
7DHSKQ class-d
7DHSKQ class-e
7DHSKQ class-f
9JSJSZ class-g
ZDKSKS class-h
9SJSSF class-i
ZSKSSS class-j
9SJSSZ class-k
... etc
我搜索以获得这样的数据框(其中值是两类常见的独特动物的数量):
例如,它下面的值 20 是同时出现在 a 类和 b 类中的独特动物的数量。值 40 是仅在 a 类中出现的独特动物的数量(但我们不必计算更多一次动物在同一类中出现 2 次)
class-a class-b class-c class-d class-n
class-a 40 20 VALUE
class-b
class-c
class-d
class-n
我试过了,但没有成功:
import pandas as pd
animals_groups = pd.read_csv("animals.csv", sep="\s+")
animals_groups.pivot_table(values="animal_id", index="class", columns="class", aggfunc="nunique")
请您参考如下方法:
使用DataFrame.merge与 DataFrame.pivot_table :
df = df.merge(df, on='animal_id')
df = df.pivot_table(values="animal_id",
index="class_x",
columns="class_y",
aggfunc="nunique",
fill_value=0)
print (df)
class_y class-a class-b class-c class-d class-e class-f class-g \
class_x
class-a 1 1 1 0 0 0 0
class-b 1 1 1 0 0 0 0
class-c 1 1 1 0 0 0 0
class-d 0 0 0 1 1 1 0
class-e 0 0 0 1 1 1 0
class-f 0 0 0 1 1 1 0
class-g 0 0 0 0 0 0 1
class-h 0 0 0 0 0 0 0
class-i 0 0 0 0 0 0 0
class-j 0 0 0 0 0 0 0
class-k 0 0 0 0 0 0 0
class_y class-h class-i class-j class-k
class_x
class-a 0 0 0 0
class-b 0 0 0 0
class-c 0 0 0 0
class-d 0 0 0 0
class-e 0 0 0 0
class-f 0 0 0 0
class-g 0 0 0 0
class-h 1 0 0 0
class-i 0 1 0 0
class-j 0 0 1 0
class-k 0 0 0 1
