Pandy DataFrame grupuje dwie kolumny i zlicza

Szukasz size:

In [11]: df.groupby(['col5', 'col2']).size()
Out[11]:
col5  col2
1     A       1
      D       3
2     B       2
3     A       3
      C       1
4     B       1
5     B       2
6     B       1
dtype: int64

Aby uzyskać tę samą odpowiedź co waitingkuo ("drugie pytanie"), ale nieco czystsze, jest grupowanie na poziomie:

In [12]: df.groupby(['col5', 'col2']).size().groupby(level=1).max()
Out[12]:
col2
A       3
B       2
C       1
D       3
dtype: int64

Wstawianie Danych do ramki danych pandy i podanie nazwy kolumny .

import pandas as pd
df = pd.DataFrame([['A','C','A','B','C','A','B','B','A','A'], ['ONE','TWO','ONE','ONE','ONE','TWO','ONE','TWO','ONE','THREE']]).T
df.columns = [['Alphabet','Words']]
print(df)   #printing dataframe.

Oto nasze drukowane Dane:

Za zrobienie Grupa dataframe w Pandzie i liczniku,
Musisz podać jeszcze jedną kolumnę, która liczy grupowanie, nazwijmy tę kolumnę jako, "COUNTER" w dataframe .

Tak:

df['COUNTER'] =1       #initially, set that counter to 1.
group_data = df.groupby(['Alphabet','Words'])['COUNTER'].sum() #sum function
print(group_data)

Wyjście:

Idiomatyczne rozwiązanie, które używa tylko jednej grupy

df.groupby(['col5', 'col2']).size() \
  .sort_values(ascending=False) \
  .reset_index(name='count') \
  .drop_duplicates(subset='col2')

  col5 col2  count
0    3    A      3
1    1    D      3
2    5    B      2
6    3    C      1

Wyjaśnienie

Wynikiem metody groupby size jest szereg z col5 i col2 w indeksie. Stąd możesz użyć innej metody groupby, aby znaleźć maksymalną wartość każdej wartości w col2, ale nie jest to konieczne. Można po prostu sortować wszystkie wartości zstępnie, a następnie zachować tylko wiersze z pierwszym wystąpieniem col2 za pomocą metody drop_duplicates.

Jeśli chcesz dodać nową kolumnę (powiedzmy 'count_column') zawierającą grupy 'counts' do ramki danych:

df.count_column=df.groupby(['col5','col2']).col5.transform('count')

(wybrałem 'col5' ponieważ nie zawiera nan)

Możesz po prostu użyć wbudowanej funkcji count następującej po funkcji groupby

df.groupby(['col5','col2']).count()