私の問題は、 pandas で複数の変数の頻度を計算する方法です。私はこのデータフレームから持っています:
d1 = pd.DataFrame( {'StudentID': ["x1", "x10", "x2","x3", "x4", "x5", "x6", "x7", "x8", "x9"],
'StudentGender' : ['F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M', 'M'],
'ExamenYear': ['2007','2007','2007','2008','2008','2008','2008','2009','2009','2009'],
'Exam': ['algebra', 'stats', 'bio', 'algebra', 'algebra', 'stats', 'stats', 'algebra', 'bio', 'bio'],
'Participated': ['no','yes','yes','yes','no','yes','yes','yes','yes','yes'],
'Passed': ['no','yes','yes','yes','no','yes','yes','yes','no','yes']},
columns = ['StudentID', 'StudentGender', 'ExamenYear', 'Exam', 'Participated', 'Passed'])
次の結果へ
Participated OfWhichpassed
ExamenYear
2007 3 2
2008 4 3
2009 3 2
(1) 私が試した 1 つの可能性は、2 つのデータフレームを計算してそれらをバインドすることです
t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len)
t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len)
tx = pd.concat([t1, t2] , axis = 1)
Res1 = tx['yes']
(2) 2 番目の可能性は、集計関数を使用することです。
import collections
dg = d1.groupby('ExamenYear')
Res2 = dg.agg({'Participated': len,'Passed': lambda x : collections.Counter(x == 'yes')[True]})
Res2.columns = ['Participated', 'OfWhichpassed']
どちらの方法も、控えめに言っても厄介です。 これはパンダでどのように適切に行われますか?
PS: collections.Counter の代わりに value_counts も試しましたが、動作しませんでした
参考までに: 数か月前に、ここで R に同様の質問をし たところ、plyrが役に立ちました。
- - アップデート - - -
ユーザーDSMは正しいです。目的のテーブル結果に誤りがありました。
(1) オプション 1 のコードは次のとおりです。
t1 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], aggfunc = len)
t2 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Participated'], aggfunc = len)
t3 = d1.pivot_table(values = 'StudentID', rows=['ExamenYear'], cols = ['Passed'], aggfunc = len)
Res1 = pd.DataFrame( {'All': t1,
'OfWhichParticipated': t2['yes'],
'OfWhichPassed': t3['yes']})
それは結果を生み出すでしょう
All OfWhichParticipated OfWhichPassed
ExamenYear
2007 3 2 2
2008 4 3 3
2009 3 3 2
(2) オプション 2 については、ユーザーherrfzのおかげで、value_count の使用方法がわかりました。コードは次のようになります。
Res2 = d1.groupby('ExamenYear').agg({'StudentID': len,
'Participated': lambda x: x.value_counts()['yes'],
'Passed': lambda x: x.value_counts()['yes']})
Res2.columns = ['All', 'OfWgichParticipated', 'OfWhichPassed']
Res1 と同じ結果が生成されます
私の質問は残っています：
オプション 2 を使用すると、同じ変数を (別の操作で) 2 回使用できますか? 結果の変数にカスタム名を渡すことはできますか?
---- 新しいアップデート ----
私は最終的に、より柔軟であると理解しているapplyを使用することにしました。