我想對跨列中每個值的數量進行求和。這相當于 Excel 中的 COUNTIF。但是，我希望將值填充到列中，而不是單獨的 groupby 語句中。因此，如果第 1 行有 5 列，其值如下：1, 1, 3, 1, 5那么Rating_1 = 3、Rating_2=0、Rating_3=1、Rating_4= 0、Rating_5 = 1 或 (3, 0, 1, 0, 1)我正在使用以下代碼，并且無法獲取要在循環中添加的布爾值（我所有的研究表明它們應該加起來很好?。，F在，我得到以下（二進制）輸出：1, 0, 1, 0, 1（實際上應該是 3, 0, 1, 0, 1）df = pd.DataFrame(np.random.randint(0,5,size=(5, 5)), columns=list('ABCDE'))for val in range(1,6): df['Rating_' + str(val)] = 0for val in range(1,6): for row in range(0, df.shape[0]): df['Rating_' + str(val)][row] = ((df['A'][row] == val) + (df['B'][row] == val) + (df['C'][row] == val) + (df['D'][row] == val) + (df['E'][row] == val)).sum()我也很高興讓這段代碼變得更干凈、更高效，但最關心的是讓它工作！提前感謝您的幫助！
2 回答
泛舟湖上清波郎朗
TA貢獻1818條經驗 獲得超3個贊
您可以使用它groupby來創建一個臨時數據幀，您可以對其進行處理并最終與 合并df。
np.random.seed(1) # always add a sample with random state for reproducibility
df = pd.DataFrame(np.random.randint(0,5,size=(5, 5)), columns=list('ABCDE'))
df2 = df.stack().droplevel(-1).reset_index()
df2 = (
df2.groupby(df2.columns.to_list())
.size().unstack()
.fillna(0).astype(int)
)
df = pd.concat([df, df2], axis=1)
輸出
A B C D E 0 1 2 3 4
0 3 4 0 1 3 1 1 0 2 1
1 0 0 1 4 4 2 1 0 0 2
2 1 2 4 2 4 0 1 2 0 2
3 3 4 2 4 2 0 0 2 1 2
4 4 1 1 0 1 1 3 0 0 1
我知道這看起來與在 Excel 中添加公式的方式非常相似，但請考慮將數據和結果保留為單獨的數據幀（即跳過 ），pd.concat以便在進一步的代碼中獲得更好的可用性。如果您需要對原始數據執行其他操作，則必須刪除這些列，這不是常見的做法，并且使用您的代碼的其他人可能不會期望這種行為。
當年話下
TA貢獻1890條經驗 獲得超9個贊
稍微澄清一下問題。
df
A B C D E
0 4 3 4 2 0
1 0 4 2 3 3
2 3 4 1 2 1
3 0 2 3 0 2
4 2 4 1 3 2
跨行的所需結果：取第 0 行。
計算行中 0 的出現次數。有 1. 將其放入“Ranking_0”列中
計算行中 1 的出現次數。有 0 個。將其放入“Ranking_1”列中
等等
所需輸出：
A B C D E Ranking_0 Ranking_1 Ranking_2 Ranking_3 Ranking_4
0 4 3 4 2 0 1 0 1 1 2
1 0 4 2 3 3 1 0 1 2 1
2 3 4 1 2 1 0 2 1 1 1
3 0 2 3 0 2 2 0 2 1 0
4 2 4 1 3 2 0 1 2 1 1
有很多方法可以做到這一點 - 所以我將使用一種對我有用但稍微簡化的方法。
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,5,size=(5, 5)), columns=list('ABCDE'))
# The numbers you want to check for
nums = [0,1,2,3,4]
for num in nums:
df['Ranking_'+str(num)] = (df.iloc[:,0:5]).isin({num}).sum(1)
小心地對前 5 列進行求和，否則您將開始在 Ranking_ 列中添加內容！這就是我這樣做的原因
df.iloc[:,0:5)我用它
.isin({})只是因為它很干凈。還有其他方法。.sum(1)沿水平行求和（軸=1）
添加回答
舉報
0/150
提交
取消