Skip to main content
 首页 » 编程设计

python之使用 grouby 进行计数

2025年05月04日13xiaohuochai

我有一个具有以下结构的文件(大约有 10K 行):

User Destination Country 
123  34578       US 
123  34578       US 
345  76590       US 
123  87640       MX 
890  11111       CA 
890  88888       CA 
890  99999       CA 

每个用户可以前往位于不同国家/地区的多个目的地。我需要找出用户前往的独特目的地的数量、独特目的地的中位数和均值。国家也一样。我不知道如何使用 groupby 来实现这一点。我设法通过将所有内容放在嵌套字典中来获取统计信息,但我觉得使用 pandas 数据帧和 groubpy 可能有更简单的方法。

我不是在寻找每个 groupby 部分的计数。我正在寻找类似的东西:平均而言,用户访问 X 个目的地和 Y 个国家/地区。因此,我正在寻找所有 groupby 结果的汇总统计数据。

编辑。这是我的字典方法:

from collections import defaultdict 
test=lambda: defaultdict(test) 
conn_l=test() 
with open('myfile') as f: 
    for line in f: 
        current=line.split(' ') 
        s = current[0] 
        d = current[1] 
        if conn_l[s][d]: 
            conn_l[s][d]+=1 
        else: 
            conn_l[s][d]=1 
 
lengths=[] 
for k,v in conn_l.items(): 
    lengths.append(len(v)) 

请您参考如下方法:

我认为这可能比乍一看要难一些(或者可能有比我下面做的更简单的方法)。

ser = df.groupby('User')['Destination'].value_counts() 
 
123   34578    2 
      87640    1 
345   76590    1 
890   11111    1 
      99999    1 
      88888    1 

value_counts() 的输出是一个系列,然后您可以再次执行 groupby 以获得唯一目的地的计数。

ser2 = ser.groupby(level=0).count() 
 
User 
123    2 
345    1 
890    3 

这是为了清楚起见,但您可以在一行中完成所有操作。

df.groupby('User')['Destination'].value_counts().groupby(level=0).count() 

使用 ser2,您应该能够完成所有其他事情。

ser2.median() 
ser2.mean()