为了通过id计算每个值的频率,我们可以使用value_counts和groupby进行操作。
>>> df = pd.DataFrame({"id":[1,1,1,2,2,2], "col":['a','a','b','a','b','b']})
>>> df
id col
0 1 a
1 1 a
2 1 b
3 2 a
4 2 b
5 2 b
>>> df.groupby('id')['col'].value_counts()
id col
1 a 2
b 1
2 b 2
a 1
但是我想以字典格式而不是系列格式存储结果。那么,如果我们拥有大型数据集,我如何能够实现这一目标,并且速度也很快?理想的格式是:
id
1 {'a': 2, 'b': 1}
2 {'a': 1, 'b': 2}
您可以拆开groupby结果以获得一个dict-of-dicts:
df.groupby('id')['col'].value_counts().unstack().to_dict(orient='index')
# {1: {'a': 2, 'b': 1}, 2: {'a': 1, 'b': 2}}
如果要一系列字典,请使用agg
代替to_dict
:
df.groupby('id')['col'].value_counts().unstack().agg(pd.Series.to_dict)
col
a {1: 2, 2: 1}
b {1: 1, 2: 2}
dtype: object
我不建议以这种格式存储数据,使用对象通常比较麻烦。
我们可以做pd.crosstab
pd.Series(pd.crosstab(df.id,df.col).to_dict('i'))
1 {'a': 2, 'b': 1}
2 {'a': 1, 'b': 2}
dtype: object