Solución:
Creo que primero necesitas agregar la condición:
#if need also category c with no values of 'one'
df11=df.groupby('key1')['key2'].apply(lambda x: (x=='one').sum()).reset_index(name="count")
print (df11)
key1 count
0 a 2
1 b 1
2 c 0
O usar categorical
con key1
, luego el valor faltante se agrega por size
:
df['key1'] = df['key1'].astype('category')
df1 = df[df['key2'] == 'one'].groupby(['key1']).size().reset_index(name="count")
print (df1)
key1 count
0 a 2
1 b 1
2 c 0
Si necesita todas las combinaciones:
df2 = df.groupby(['key1', 'key2']).size().reset_index(name="count")
print (df2)
key1 key2 count
0 a one 2
1 a two 1
2 b one 1
3 b two 1
4 c two 1
df3 = df.groupby(['key1', 'key2']).size().unstack(fill_value=0)
print (df3)
key2 one two
key1
a 2 1
b 1 1
c 0 1
Puede contar la aparición de ‘uno’ para el marco de datos groupby, en la columna ‘key2’ así:
df.groupby('key1')['key2'].apply(lambda x: x[x == 'one'].count())
producir
key1
a 2
b 1
c 0
Name: key2, dtype: int64
Opción 1
df.set_index('key1').key2.eq('one').sum(level=0).astype(int).reset_index()
key1 key2
0 a 2
1 b 1
2 c 0
opcion 2
df.key2.eq('one').groupby(df.key1).sum().astype(int).reset_index()
key1 key2
0 a 2
1 b 1
2 c 0
Opcion 3
f, u = df.key1.factorize()
pd.DataFrame(dict(key1=u, key2=np.bincount(f, df.key2.eq('one')).astype(int)))
key1 key2
0 a 2
1 b 1
2 c 0
Opción 4
pd.crosstab(df.key1, df.key2.eq('one'))[True].rename('key2').reset_index()
key1 key2
0 a 2
1 b 1
2 c 0
Opcion 5
pd.get_dummies(df.key1).mul(
df.key2.eq('one'), 0
).sum().rename_axis('key1').reset_index(name="key2")
key1 key2
0 a 2
1 b 1
2 c 0
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)