Pandas：如何使用 groupby 选项获取列中每个值的计数

Question

这是我得到的数据框：

data = {'Year' : [2021, 2021, 2021, 2022, 2022, 2022], 
        'Class':['A', 'A', 'B', 'A', 'C', 'C'], 
        'Animal':['dog|cat|bird', 'cat|dog', 'tiger|dog', 'cat|bird', 'dog|cat|rabbit', 'rabbit|dog|tiger',]}
df = pd.DataFrame(data)

所以 df 看起来像：

Year	Class	Animal
2021	A	dog|cat|bird
2021	A	cat|dog
2021	B	Tiger|dog
2022	A	cat|bird
2022	C	dogs|cat|
2022	Crabbit	rabbit |dog|tiger

我想做的是计算每个年份和班级中每种动物的数量。例如，我想获取以下数据框：

Year	Class	Animal	Count
2021	A	dogs	2
2021	A	cat	2
2021	A	Bird	1
2021	B	Tiger	1
2021	B	Dog	1
2022	A	cat	1
2022	A	Bird	1
2022	C	Dog	2
2022	C	cat	1
2022	C	兔	2
2022	C	虎	1

有有人对实现这一目标有什么建议吗？我会非常感激。

Answer 1

您可以使用一行代码来完成此操作：

(df.assign(Animal=df['Animal'].str.split('|'))     # Create a list using split
  .explode('Animal')                               # Expand that list it rows using explode
  .value_counts(sort=False)                        # Use pd.DataFrame.value_counts 
  .rename('Count')                                 # Rename series
  .reset_index())                                  # Reset to a dataframe

输出：

    Year Class  Animal  Count
0   2021     A    bird      1
1   2021     A     cat      2
2   2021     A     dog      2
3   2021     B     dog      1
4   2021     B   tiger      1
5   2022     A    bird      1
6   2022     A     cat      1
7   2022     C     cat      1
8   2022     C     dog      2
9   2022     C  rabbit      2
10  2022     C   tiger      1

Answer 2

让我们尝试 str.get_dummies 然后 groupby

out = (df.Animal.str.get_dummies('|')
       .groupby([df['Year'],df['Class']]).sum()
       .mask(lambda x : x==0)
       .rename_axis(['animal'],axis=1).stack().reset_index(name='Count')
Out[666]: 
    Year Class  animal  Count
0   2021     A    bird    1.0
1   2021     A     cat    2.0
2   2021     A     dog    2.0
3   2021     B     dog    1.0
4   2021     B   tiger    1.0
5   2022     A    bird    1.0
6   2022     A     cat    1.0
7   2022     C     cat    1.0
8   2022     C     dog    2.0
9   2022     C  rabbit    2.0
10  2022     C   tiger    1.0