Rumah  >  Artikel  >  pembangunan bahagian belakang  >  Bagaimana Mengira Kekerapan Baris Berdasarkan Berbilang Lajur dalam Bingkai Data Pandas?

Bagaimana Mengira Kekerapan Baris Berdasarkan Berbilang Lajur dalam Bingkai Data Pandas?

Susan Sarandon
Susan Sarandonasal
2024-10-25 02:33:02172semak imbas

How to Count the Frequency of Rows Based on Multiple Columns in a Pandas DataFrame?

Dapatkan Kiraan Kekerapan Berdasarkan Berbilang Lajur Bingkai Data

Untuk mencari kekerapan baris yang muncul berbilang kali dalam bingkai data, anda boleh menggunakan operasi kumpulan mengikut sama ada dengan fungsi saiz atau kiraan. Mari kita tunjukkan ini dengan contoh kerangka data:

import pandas as pd

# Sample dataframe
data = {'Group': ['Short', 'Short', 'Moderate', 'Moderate', 'Tall'], 'Size': ['Small', 'Small', 'Medium', 'Small', 'Large']}
df = pd.DataFrame(data)

Pilihan 1: Menggunakan kumpulan mengikut saiz dan

dfg = df.groupby(['Group', 'Size']).size()
print(dfg)

Output:

Group     Size
Moderate  Medium    1
          Small     1
Short     Small     2
Tall      Large     1
dtype: int64

Pilihan 2: Menggunakan groupby, size dan reset_index

dfg = df.groupby(['Group', 'Size']).size().reset_index(name='Time')
print(dfg)

Output:

      Group    Size  Time
0  Moderate  Medium     1
1  Moderate   Small     1
2     Short   Small     2
3      Tall   Large     1

Pilihan 3: Menggunakan groupby, size dan as_index

dfg = df.groupby(['Group', 'Size'], as_index=False).size()
print(dfg)

Output:

      Group    Size  Time
0  Moderate  Medium     1
1  Moderate   Small     1
2     Short   Small     2
3      Tall   Large     1

Setiap pilihan mengembalikan bingkai data dengan lajur Kumpulan dan Saiz, yang menunjukkan gabungan baris tertentu yang muncul dalam bingkai data asal. Lajur Masa tambahan menunjukkan kiraan kekerapan untuk setiap gabungan.

Atas ialah kandungan terperinci Bagaimana Mengira Kekerapan Baris Berdasarkan Berbilang Lajur dalam Bingkai Data Pandas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn