按行条件计数保留所有列而不迭代数据帧

Question

我正在努力解决熊猫的条件计数问题。问题我有一个 pandas 数据框，有 4 列（为了这个例子）：“id”、“id2”、“col1”和“type”。类型列可以有3个值，即“A”、“B”和“C”。我想做的是，对于每一行，计算具有相同 id 和 id2 的类型 C 的数量。这是一个示例数据框：    id   id2 col1 type0   "e"  "z"   0   "A"1   "e"  "z"   1   "C"2   "e"  "z"   2   "C"3   "e"  "y"   3   "C"4   "e"  "y"   4   "A"  5   "f"  "y"   4   "A"6   "f"  "x"   3   "B"7   "f"  "x"   4   "B"8   "g"  "w"   5   "C"9   "g"  "w"   6   "B"构建示例数据框的代码：pd.DataFrame({    "id":   ["e", "e", "e", "e", "e", "f", "f", "f", "g", "g"],    "id2":  ["z", "z", "z", "y", "y", "x", "x", "x", "w", "w"],    "col1": [ 0 ,  1 ,  2 ,  3 ,  4 ,  4 ,  3 ,  4 ,  5 ,  6 ],    "type": ["A", "C", "C", "C", "A", "A", "B", "B", "C", "B"]})以及期望的结果：    id   id2 col1 type  count0   "e"  "z"   0   "A"    21   "e"  "z"   1   "C"    22   "e"  "z"   2   "C"    2 3   "e"  "y"   3   "C"    14   "e"  "y"   4   "A"    15   "f"  "y"   4   "A"    06   "f"  "x"   3   "B"    07   "f"  "x"   4   "B"    08   "g"  "w"   5   "C"    19   "g"  "w"   6   "B"    1我并不真正关心类型为“C”的行（例如第1、2、3、8行）会发生什么，所以如果它们没有出现在结果数据框中，这不是问题。我想要一个不依赖于通过数据集迭代“我自己”的解决方案（不应用也不for循环），因为它们太慢了。我希望找到一种解决问题的“pandaic”方法。注意：在“真实”数据集中，有 3 列用于索引，类型可以有 5 个不同的值，并且应保留 36 个数据列。但我更喜欢可扩展的解决方案，不受这些数量的限制。我尝试过的我可以使用 sqlalchemy 和查询来解决问题。事实上，结果应该与以下查询匹配：SELECT a.*, (SELECT COUNT(*)             FROM df b             WHERE                  b.id  = a.id  AND                 b.id2 = a.id2 AND                 b.type = "C")FROM df a最初的问题也可以改写为“相当于这个查询的Python代码是什么？”。我也可以使用 apply 来解决问题。由于数据集的大小，两者都非常慢，尽管 sql 方法可能很慢，因为它必须首先构建数据库。相关文章这篇文章几乎解决了问题，但不适用于外部数据列，也不适用于多个索引，并且我无法将它们适应我的示例。这条线接近我正在寻找的内容，唯一的问题是它只保留您分组的列：df.groupby(["id", "id2", "type"]).size().unstack().reset_index()如果缺少任何信息，请告诉我。感谢您花时间阅读我的帖子，并对拼写错误表示歉意！

Answer 1

尝试这个：

answer = df.groupby(['id','id2']).transform(sum)['type'].str.count('C')

pd.concat([df,answer], axis=1)

  id id2  col1  type  type

0  e   z     0     A     2

1  e   z     1     C     2

2  e   z     2     C     2

3  e   y     3     C     1

4  e   y     4     A     1

5  f   x     4     A     0

6  f   x     3     B     0

7  f   x     4     B     0

8  g   w     5     C     1

9  g   w     6     B     1

您可以将 groupby 中的列增加到您想要的数量/数量。