如何在不使用迴圈的情況下按 ID 和群組有效地對 Pandas DataFrames 中術語的出現次數進行分組和計數？

將 Pandas DataFrame 中的值分組並計數

在資料分析中，經常需要將資料分組並統計特定值或術語的出現次數。使用 Pandas 中的 groupby 和 size 函數可以輕鬆實現這種類型的聚合。

問題：

假設您有一個包含以下列的 DataFrame df：id、群組和術語。目標是計算 id 和 group 的每個組合中每個唯一術語的出現次數，而不使用迴圈。

解決方案：

為了實現這一點，我們可以使用以下步驟：

1. Groupby: 按🎜> 按🎜> 按以下方式將DataFrame 分組使用groupby(['id', 'group', 'term'])的三列。這將根據這些列的唯一組合將資料劃分為群組。
2. 大小： 將大小函數應用於分組資料。 size 計算每個群組中的行數，從而有效地計算每個 id-group 對中每個唯一術語的出現次數。
3. Unstack: groupby 操作的結果是層次索引。要建立一個表，其中行代表 id-group 對，列代表唯一術語，我們可以使用 unstack(fill_value=0)。這將取消分層索引的堆疊並用 0 填充任何缺失值。

產生的DataFrame 將類似於以下佈局：

示例代碼：

df = pd.DataFrame([
    (1, 1, 'term1'),
    (1, 2, 'term2'),
    (1, 1, 'term1'),
    (1, 1, 'term2'),
    (2, 2, 'term3'),
    (2, 3, 'term1'),
    (2, 2, 'term1')
], columns=['id', 'group', 'term'])

result = df.groupby(['id', 'group', 'term']).size().unstack(fill_value=0)

print(result)

輸出：

   term1  term2  term3
id group             
1   1      2      1
2   2      2      1
   3      1      0

效能：

對於大型資料集， groupby 和size 操作的計算成本可能很高。以下程式碼提供了對具有 1,000,000 行的 DataFrame 進行分組和計數的計時統計資訊：

df = pd.DataFrame(dict(id=np.random.choice(100, 1000000),
                       group=np.random.choice(20, 1000000),
                       term=np.random.choice(10, 1000000)))

%timeit df.groupby(['id', 'group', 'term']).size().unstack(fill_value=0)

以上是如何在不使用迴圈的情況下按 ID 和群組有效地對 Pandas DataFrames 中術語的出現次數進行分組和計數？的詳細內容。更多資訊請關注PHP中文網其他相關文章！