我有一个类似这样的df(500万行和大约250个不同的条约编号(都是字符串)):
Id Name Treaty Number
0 Id88 Jack x12
1 Id87 John x33
2 Id88 Jim x22
3 Id11 Hans x12
4 Id12 Ivan x33
5 Id88 Sara x22
6 Id11 Max x12
7 Id11 Peter x33
我想找到所有重复的id和属于该id的每个条约编号的计数
很好,它看起来是这样的:
Sum
Id88 3 x12: 1, x22:2, ....
Id11 3 x12: 2, x33:1,...
现在我有以下代码:
import pandas as pd
import numpy as np
data = np.array([
['Id88', 'Jack', 'x12'],
['Id87', 'John', 'x33'],
['Id88', 'Jim', 'x22'],
['Id11', 'Hans', 'x12'],
['Id12', 'Ivan', 'x33'],
['Id88', 'Sara', 'x22'],
['Id11', 'Max', 'x12'],
['Id11', 'Peter', 'x33'],
])
columns=['Id', 'Name', 'Treaty Number']
df = pd.DataFrame(data= data, columns = columns)
dublicateIDs = df[df.duplicated(subset=['Id'],keep=False )]
pivotIDs = dublicateIDs.pivot_table(index=['Id'], aggfunc='size')
pivotIDs = pivotIDs.sort_values(ascending=False)
pivotTreaty = dublicateIDs.pivot_table(index=['Id'], columns = 'Treaty Number', aggfunc='size',
fill_value=0)
concatDF = [pivotIDs, pivotTreaty]
pivotIDsCombine = pd.concat(concatDF, axis=1, sort=False)
columnNames = pivotIDsCombine.columns.tolist()
columnNames[0] = 'Sum'
pivotIDsCombine.columns = columnNames
print(pivotIDsCombine)
结果如下:
Sum x12 x22 x33
Id88 3 1 2 0
Id11 3 2 0 1
由于行数(5m)和协定数(250)很多,每个ID的协定数也很小,所以我有一个巨大的表,里面满是NaN(或零)
有没有一种简单的方法可以使用透视表来达到所需的格式,或者我应该循环每一列/每一行并手动计算出现的次数
这对你应该有帮助
相关问题 更多 >
编程相关推荐