我有以下数据框:
import pandas as pd
df = pd.DataFrame({"E": ["X", "Y", "X", "X", "Y", "X"], "F": ["Y", "Y", "X", "Y", "X","Y"], "G": ["Y", "X", "X", "X", "Y", "X"], "I": ["A", "B", "B", "B", "A", "A"]})
df.set_index("I", drop = True, inplace = True)
print(df)
E F G
I
A X Y Y
B Y Y X
B X X X
B X Y X
A Y X Y
A X Y X
我现在想计算每列 E、F、G 的每个组合 A-X、A-Y、B-X、B-Y 的出现次数,因此预期输出为:
E F G
X Y X Y X Y
I
A 2 1 1 2 1 2
B 2 1 1 2 3 0
我知道我可以用 pd.crosstab 为一列做这件事。所以我可以遍历列并连接数据帧:
for i, column in enumerate(df.columns):
if i == 0:
df1 = pd.crosstab(df.index, df[column])
else:
df1 = pd.concat([df1, pd.crosstab(df.index, df[column])], axis = 1)
但是除了迭代让人感觉不顺畅并且我希望有更好的解决方案这一事实之外,索引还丢失了有关初始列的信息:
X Y X Y X Y
row_0
A 2 1 1 2 1 2
B 2 1 1 2 3 0
实现正确输出的方法是什么?
请您参考如下方法:
你可以使用get_dummies在 df 上,然后在索引上使用 groupby 并使用 sum:
df1 = pd.get_dummies(df).groupby(level=0).sum()
你得到:
E_X E_Y F_X F_Y G_X G_Y
I
A 2 1 1 2 1 2
B 2 1 1 2 3 0
如果你想要列的多索引级别,你可以这样做:
df1.columns = pd.MultiIndex.from_tuples([col.split('_') for col in df1.columns])
你得到了你预期的输出
