我正在嘗試創建一個像資料透視表一樣groupby用于按incidents年度統計分組的資料，如下所示：
原始資料（樣本）：
INCIDENT INCIDENT_YEAR
run 2020
walk 2021
jump 2019
run 2021
run 2020
我想groupby看起來像：
INCIDENT 2019 2020 2021
jump 1
run 2 1
walk 1
我知道這可以在 Excel 中完成，但我想學習如何在 pandas 中完成。
我最好的嘗試是
df.groupby('INCIDENT').count()
但這并沒有給我所需的列。
uj5u.com熱心網友回復：
使用pd.crosstab：
stats = pd.crosstab(df['INCIDENT'], df['INCIDENT_YEAR'])
輸出：
>>> stats
INCIDENT_YEAR 2019 2020 2021
INCIDENT
jump 1 0 0
run 0 2 1
walk 0 0 1
uj5u.com熱心網友回復：
更新 2
如果您有其他級別的分組：
df.groupby(['INCIDENT', 'DISTRICT', 'INCIDENT_YEAR']).size().unstack(fill_value=0)
# OR
df.assign(dummy=1).pivot_table('dummy', ['INCIDENT', 'DISTRICT'], 'INCIDENT_YEAR',
aggfunc='sum', fill_value=0)
# Output
INCIDENT_YEAR 2019 2020 2021
INCIDENT DISTRICT
jump District A 1 0 0
run District A 0 2 1
walk District A 0 0 1
更新
也可以使用groupby：
>>> df.groupby(['INCIDENT', 'INCIDENT_YEAR']).size().unstack(fill_value=0)
INCIDENT_YEAR 2019 2020 2021
INCIDENT
jump 1 0 0
run 0 2 1
walk 0 0 1
您可以使用以下pivot_table替代方法pd.crosstab：
>>> df.assign(dummy=1).pivot_table('dummy', 'INCIDENT', 'INCIDENT_YEAR',
aggfunc='sum', fill_value=0)
INCIDENT_YEAR 2019 2020 2021
INCIDENT
jump 1 0 0
run 0 2 1
walk 0 0 1
uj5u.com熱心網友回復：
你可以使用crosstab：
out = pd.crosstab(df['INCIDENT'], df['INCIDENT_YEAR']).reset_index().rename_axis(columns=[None])
輸出：
INCIDENT 2019 2020 2021
0 jump 1 0 0
1 run 0 2 1
2 walk 0 0 1
uj5u.com熱心網友回復：
雖然 enke 和 richardec 的答案仍然是最受歡迎的，但增加了一點多樣性：
df.reset_index().pivot_table(index='INCIDENT',columns='INCIDENT_YEAR',values='index',aggfunc='count',fill_value=0)
輸出：
INCIDENT_YEAR 2019 2020 2021
INCIDENT
jump 1.0 0 0
run 0 2.0 1.0
walk 0 0 1.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/446239.html
標籤：Python python-3.x 熊猫 数据框 数据透视表