我有一个 CSV 文件,我正在使用 Pandas DataFrame 进行操作。我拥有的数据是推文数据,我想要做的是根据日期合并单元格,同时添加一个额外的列来显示特定日期的推文数量。例如:
示例原始 DataFrame:
date mentions photos replies retweets likes polarity
2011-04-01 0 1 10 5 10 0.1
2011-04-01 1 1 5 3 20 -0.3
2011-04-02 2 0 15 2 5 0.5
2011-04-02 3 0 0 4 100 -0.5
2011-04-02 0 1 2 1 50 0.9
2011-04-03 1 1 1 2 2 0.2
预期输出数据帧:
date mentions photos replies retweets likes polarity counts
2011-04-01 1 2 15 8 30 -0.2 2
2011-04-02 5 1 17 7 155 0.9 3
2011-04-03 1 1 1 2 2 0.2 1
通常我会使用 pd.DataFrame().groupby(['date']).sum() ,它会根据日期合并单元格,并对另一列求和值,但现在我想在右侧添加一个额外的列来计算推文的数量。我希望我说得够清楚了,但如果不清楚,请告诉我。
是否有内置库功能可以解决这个问题,还是我必须手动编写代码?
谢谢。
请您参考如下方法:
最简单的是添加由 DataFrame.assign 创建的新列和 Series.value_counts :
df = df.groupby('date').sum().assign(counts=df['date'].value_counts())
print (df)
mentions photos replies retweets likes polarity counts
date
2011-04-01 1 2 15 8 30 -0.2 2
2011-04-02 5 1 17 7 155 0.9 3
2011-04-03 1 1 1 2 2 0.2 1
通用解决方案 - 通过所有列不带 date 的 dict.fromkeys 创建聚合字典 - 可以用于聚合 size,但是最后是必要的重命名它:
d = dict.fromkeys(df.columns.difference(['date']), 'sum')
d['date'] = 'size'
df = df.groupby('date').agg(d).rename(columns={'date':'counts'})
print (df)
likes mentions photos polarity replies retweets counts
date
2011-04-01 30 1 2 -0.2 15 8 2
2011-04-02 155 5 1 0.9 17 7 3
2011-04-03 2 1 1 0.2 1 2 1
详细信息:
print (d)
{'likes': 'sum', 'mentions': 'sum', 'photos': 'sum', 'polarity': 'sum',
'replies': 'sum', 'retweets': 'sum', 'date': 'size'}
