You need to enable JavaScript to run this app. pandas实现新增列功能:统计dfA中idA在dfB内的出现次数
优惠活动
大模型
产品
解决方案
定价
更多

pandas实现新增列功能:统计dfA中idA在dfB内的出现次数

实现逻辑与代码

核心目标是保留dfA所有行的前提下,统计每个idA在dfB中的出现频次,未出现的idA对应频次记为0,将结果追加为新列count。

第一步:构造题述场景的测试数据

先按照题目描述搭建两个初始DataFrame,保证代码可直接复现:

import pandas as pd

# 初始化dfA
dfA = pd.DataFrame({
    "idA": [1, 2, 3],
    "data": ["row", "data", "data"]
})

# 初始化dfB
dfB = pd.DataFrame({
    "idC": [101, 102, 201, 202, 203, 204],
    "idA": [1, 1, 3, 3, 3, 3]
})

两种可落地的实现方案

方案1:值映射法(大表场景效率最优)

直接对dfB的idA列做频次统计,再将统计结果按idA匹配到dfA中,匹配失败的位置自动补0:

# 统计dfB中各idA的出现次数,输出为索引是idA、值是对应次数的Series
freq_stat = dfB["idA"].value_counts()

# 将统计结果映射到dfA的idA列,空值填充0并转为整数类型
dfA["count"] = dfA["idA"].map(freq_stat).fillna(0).astype(int)

方案2:左连接聚合法(多维度统计场景扩展性更强)

如果后续需要叠加更多维度的统计逻辑(比如同时按时间、类别分组计数),这种方法的适配性更高:

# 对dfB按idA分组聚合,得到每个idA的出现行数,重命名为count列
dfB_grouped = dfB.groupby("idA", as_index=False).size().rename(columns={"size": "count"})

# 以dfA为左表做左连接,未匹配到的count值填充0
dfA = dfA.merge(dfB_grouped, on="idA", how="left")
dfA["count"] = dfA["count"].fillna(0).astype(int)

注意事项:两种方案都必须显式做补0逻辑,如果用内连接关联,会直接把dfA中从未出现在dfB里的行(比如本题的idA=2)过滤掉,完全不符合需求。

最终输出效果

两种方案跑完的dfA结果完全一致:

idAdatacount
1row2
2data0
3data4

内容的提问来源于stack exchange,提问作者4212

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.23 22:27:04