我有一个像这样的pandas数据框df
ID activity date
1 A 4
1 B 8
1 A 12
1 C 12
2 B 9
2 A 10
3 A 3
3 D 4
我想返回一个表,该表计算精确列表中某些 activity 的出现次数,在这种情况下说 l = [A, B] , 然后
ID activity(count)_A activity(count)_B
1 2 1
2 1 2
3 1 0
是我需要的。
执行该操作的最快方法是什么?理想情况下没有 for 循环
谢谢!
编辑:我知道有 pivot 函数可以完成这种工作。但在我的例子中,我拥有的 activity 类型比我真正需要在列表 l 中计算的要多得多。使用 pivot 仍然是最佳选择吗?
请您参考如下方法:
您可以使用 isin与 boolean indexing作为第一步然后旋转 - 最快应该是 groupby , size和 unstack , 然后 pivot_table最后crosstab ,最好用真实数据测试每个解决方案:
df2 = (df[df['activity'].isin(['A','B'])]
.groupby(['ID','activity'])
.size()
.unstack(fill_value=0)
.add_prefix('activity(count)_')
.reset_index()
.rename_axis(None, axis=1))
print (df2)
ID activity(count)_A activity(count)_B
0 1 2 1
1 2 1 1
2 3 1 0
或者:
df1 = df[df['activity'].isin(['A','B'])]
df2 = (pd.crosstab(df1['ID'], df1['activity'])
.add_prefix('activity(count)_')
.reset_index()
.rename_axis(None, axis=1))
或者:
df2 = (df[df['activity'].isin(['A','B'])]
.pivot_table(index='ID', columns='activity', aggfunc='size', fill_value=0)
.add_prefix('activity(count)_')
.reset_index()
.rename_axis(None, axis=1))
