Skip to main content
 首页 » 编程设计

Python Pandas之聚合和计数

2024年12月31日10kerrycode

我有一个数据框(下面有一个 super 简化的版本),其中包含购买的产品和使用的设备的交易数据:

CUST_ID PRODUCT DEVICE 
---------------------- 
 
1       A       MOBILE 
1       B       TABLET 
2       B       LAPTOP 
2       A      MOBILE  
3       C      TABLET 
3       C      TABLET 

我想对其进行转换,以便通过单个 cust_id View 了解每种产品和设备使用的购买频率:即数据框 (3x7)

CUST_ID PRODUCT_A   PRODUCT_B   PRODUCT_C   DEVICE_MOBILE   DEVICE_LAPTOP   DEVICE_TABLET 
 
1   1   1   0   1   0   1 
2   1   1   0   1   1   0 
3   0   0   2   0   0   2 

我尝试使用 .pivot_table() 函数,但它为我添加了索引和重复列。这是一个简化版本,我需要为许多产品和设备执行此操作,所以也许函数或循环会更有效?

请您参考如下方法:

您可以使用 pd.get_dummies 和 df.groupby

pd.get_dummies(df, columns=['PRODUCT','DEVICE']).groupby(['CUST_ID'], as_index=False).sum() 

输出:

CUST_ID  PRODUCT_A  PRODUCT_B  PRODUCT_C  DEVICE_LAPTOP  DEVICE_MOBILE  \ 
0       1          1          1          0              0              1    
1       2          1          1          0              1              1    
2       3          0          0          2              0              0    
 
   DEVICE_TABLET   
0              1   
1              0   
2              2