如何在Pandas分组数据中统计name字段的重复出现次数？

原DataFrame数据 #

d = {'id_1': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2], 
     'id_2': [50, 50, 25, 25, 25, 4, 4, 4, 5, 5],
    'name': ['Kim', 'Kim', 'Kim', 'Kim', 'Mike', 'Kim', 'Saul', 'Saul', 'Kim', 'Kim']}
df = pd.DataFrame(data=d)

对应表格：

需求 #

按id_1和id_2分组，生成新列output显示每个分组内name值的出现次数，预期输出如下：

问题分析 #

你之前尝试的代码：

df.groupby(['id_1', 'id_2']).size() 
   .sort_values(ascending=False) 
   .reset_index(name='count')

仅统计了每个(id_1, id_2)分组的总记录数，而非分组内每个name的出现次数，因此无法得到预期结果。

解决方案 #

方法一：使用transform直接添加列（推荐） #

同时按id_1、id_2、name分组，通过transform将统计结果映射回原DataFrame的每一行：

df['output'] = df.groupby(['id_1', 'id_2', 'name'])['name'].transform('count')

transform('count')会计算每个分组的行数（即该name在对应(id_1, id_2)组内的出现次数），并自动匹配到原DataFrame的对应行。

方法二：先统计次数再合并 #

先分组统计次数，再通过merge合并回原DataFrame：

# 统计每个(id_1, id_2, name)组合的出现次数
count_df = df.groupby(['id_1', 'id_2', 'name']).size().reset_index(name='output')
# 合并到原DataFrame
df = df.merge(count_df, on=['id_1', 'id_2', 'name'])

两种方法均可得到符合预期的输出结果。

内容的提问来源于stack exchange，提问作者user4740374