Pandas 实现DataFrame唯一值转列及分组计数的方法
需求场景
现有存储各国奖牌记录的DataFrame,需要转换为统计格式:每行对应一个国家,列分别为gold/silver/bronze三类奖牌,单元格值为该国家对应奖牌的出现次数。
初始输入
初始DataFrame定义及预览结果:
import pandas as pd df = pd.DataFrame([('gold', 'bronze', 'silver'), ('silver', 'gold', 'bronze'), ('gold', 'silver', 'bronze'), ('bronze', 'silver', 'gold')], columns=('Canada', 'China', 'South Korea')) df.head()
初始输出预览:
Canada China South Korea 0 gold bronze silver 1 silver gold bronze 2 gold silver bronze 3 bronze silver gold
目标输出
nation gold silver bronze 0 Canada 2 1 1 1 China 1 2 1 2 South Korea 1 1 2
实现方案
方法1:转置后逐行统计值计数
将原DataFrame转置(国家从列转为行),对每行(单个国家的所有奖牌记录)做值计数统计,最后调整列格式:
# 转置后按行统计奖牌出现次数,空值填充为0并转为整数 result = df.T.apply(pd.Series.value_counts, axis=1).fillna(0).astype(int) # 原行索引为国家名,转为单独的nation列 result = result.rename_axis('nation').reset_index() # 调整列顺序匹配目标格式 result = result[['nation', 'gold', 'silver', 'bronze']]
方法2:交叉表快速统计
先将宽格式DataFrame转为长格式,再用crosstab直接统计国家和奖牌的交叉出现次数:
# 宽表转长表,提取国家和对应奖牌字段 df_long = df.stack().rename('medal').reset_index(level=1).rename(columns={'level_1': 'nation'}) # 生成交叉统计结果 result = pd.crosstab(df_long['nation'], df_long['medal']).reset_index()
两种方法运行后均可得到符合要求的目标输出。
内容的提问来源于stack exchange,提问作者jKraut
相关产品推荐
相关产品推荐

