我通常使用value_counts()
来获取值的出现次数。但是,我现在处理的是大型数据库表(无法将其完全加载到RAM中),并以1个月的时间查询数据。在
有没有办法存储value_counts()
的结果,并将其与/添加到下一个结果中?在
我要计算用户操作的数量。假设以下结构 用户活动日志:
# month 1
id userId actionType
1 1 a
2 1 c
3 2 a
4 3 a
5 3 b
# month 2
id userId actionType
6 1 b
7 1 b
8 2 a
9 3 c
在这些产品上使用value_counts()
:
预期产量:
# month 1+2
userId
1 4
2 2
3 3
到目前为止,我只是找到了一个使用groupby和sum的方法:
# count users actions and remember them in new column
df1['count'] = df1.groupby(['userId'], sort=False)['id'].transform('count')
# delete not necessary columns
df1 = df1[['userId', 'count']]
# delete not necessary rows
df1 = df1.drop_duplicates(subset=['userId'])
# repeat
df2['count'] = df2.groupby(['userId'], sort=False)['id'].transform('count')
df2 = df2[['userId', 'count']]
df2 = df2.drop_duplicates(subset=['userId'])
# merge and sum up
print pd.concat([df1,df2]).groupby(['userId'], sort=False).sum()
pythonic/pandas高效地合并多个系列(和数据帧)的信息的方法是什么?在
您可以直接对
value_counts
方法生成的series
求和:对系列求和:
^{pr2}$输出:
这就是所谓的“分离-应用-联合”。使用如下lambda函数,只需1行和3-4次单击即可完成。
1️⃣将此粘贴到代码中:
2️⃣将3x
label
替换为正在计算其值的列的名称(区分大小写)3️⃣打印测向头()检查它是否正常工作
我建议使用“add”并指定填充值0。与前面建议的答案相比,这有一个优势,即当两个数据帧具有不相同的唯一键集时,它将起作用。在
现在添加两组值\u counts()。fill\u value参数将处理任何出现的NaN值,在本例中,是出现在df1中的'd',而不是df2。在
^{pr2}$相关问题 更多 >
编程相关推荐