Pandas如何将value_counts结果存为DataFrame并提取原始表对应关联数据
问题原因
现有代码执行合并操作后,会将匹配到的所有原始明细行全部保留,没有按统计维度B做单值收敛,因此最终输出是每个B对应的全量明细行,和预期的“每个B仅输出1条关联记录”的结构不匹配。
解决方案
这里提供两种可直接复现目标输出的写法:
方法1:分组聚合一步到位(推荐)
因为原始数据中同一B值对应的D列值完全固定,可以直接在分组计算频次的同时,把关联的D值一并取出,避免后续多次合并、去重的步骤:
import numpy as np import pandas as pd df = pd.DataFrame({ 'A': np.random.randint(1000, 1005, 10), 'B': pd.Categorical(['company0', 'company1', 'company1', 'company2', 'company5', 'company5', 'company0', 'company5', 'company2', 'company2']), 'C': 'foo', 'D': pd.Categorical(["test","train","train","cup","bib","bib","test",'bib',"cup","cup"]) }) result = ( df.groupby('B', observed=True) .agg( count=('B', 'size'), # 统计每个B的出现频次,和value_counts结果完全一致 D=('D', 'first') # 取每个B对应的关联D值 ) .reset_index() .sort_values(by='count', ascending=False) # 按频次从高到低排序,匹配原value_counts的默认排序逻辑 .reset_index(drop=True) # 重置索引,和目标输出的行索引保持一致 ) print(result)
运行输出和期望结果完全一致:
B count D 0 company5 3 bib 1 company2 3 cup 2 company1 2 train 3 company0 2 test
方法2:基于已生成的合并表去重
如果已经通过pd.merge生成了带count字段的多行合并表,由于同一B值对应的count、D、C等字段都是完全重复的,直接按B列去重即可,同时可以补正原代码里的笔误(原代码写的print(brands)未定义变量,实际应为print(company)):
# 沿用原有的统计、合并步骤 company = pd.DataFrame(df.B.value_counts().reset_index()) company.columns = ['B', 'count'] merged = pd.merge(df, company, on='B') # 按B列去重,只保留每个B的第一条记录,筛选需要的列 result = merged.drop_duplicates(subset='B', keep='first')[['B', 'count', 'D']].reset_index(drop=True) print(result)
内容的提问来源于stack exchange,提问作者sam_sam
相关产品推荐
相关产品推荐

