我有一個如下所示的資料框：
product stars
10717 4
10717 5
10717 5
10717 5
10717 3
10717 2
10717 2
10711 2
10711 1
10711 5
10711 1
10711 1
10711 5
10711 2
我有數千行。
我想為每個不同的產品計算每顆星的出現次數（從 1 到 5）。
我怎樣才能做到這一點？
我試圖通過以下方式獲取不同產品的串列：
dp = df.product.unique()
比我遍歷它：
for key in dd:
sf_1[(sf_1['product'] == key)].value_counts()
結果如下所示：
product stars
10717 5 3
4 1
3 1
2 2
dtype: int64
product stars
10711 5 2
2 3
1 2
dtype: int64
我需要的是一個新的資料框，看起來像
product stars number_stars
10717 5 3
10717 4 1
10717 3 1
10717 2 2
10717 1 0
10711 5 2
10711 4 0
10711 3 0
10711 2 3
10711 1 2
uj5u.com熱心網友回復：
并計算每個產品groupby的.size星數。第 2 行和第 3 行只是格式化資料以使其看起來像您在問題中顯示的那樣，您可能實際上并不需要它們。
df.groupby(["product", "stars"]).size() \
.unstack(fill_value=0).stack() \
.to_frame("number_stars").reset_index()
product stars number_stars
0 10711 1 3
1 10711 2 2
2 10711 3 0
3 10711 4 0
4 10711 5 2
5 10717 1 0
6 10717 2 2
7 10717 3 1
8 10717 4 1
9 10717 5 3
uj5u.com熱心網友回復：
這應該作業：
import pandas as pd
df = pd.DataFrame([
[10717, 4],
[10717, 5],
[10717, 5],
[10717, 5],
[10717, 3],
[10717, 2],
[10717, 2],
[10711, 2],
[10711, 1],
[10711, 5],
[10711, 1],
[10711, 1],
[10711, 5],
[10711, 2]
],columns=['product','stars']
)
newdf = df.groupby(['product','stars']).size()
newdf = newdf.reset_index()
newdf = newdf.rename(columns={0:'number_stars'})
結果：
>>> newdf
product stars number_stars
0 10711 1 3
1 10711 2 2
2 10711 5 2
3 10717 2 2
4 10717 3 1
5 10717 4 1
6 10717 5 3
uj5u.com熱心網友回復：
一個可能的解決方案，基于pandas.DataFrame.value_counts, pandas.DataFrame.reindexand pandas.MultiIndex.from_product（只需要reindexandMultiIndex部分來獲得零計數）：
stars = list(range(1,6))
cols = ['product', 'stars']
(df.value_counts(cols)
.reindex(pd.MultiIndex.from_product([df['product'].unique(),stars], names=cols),
fill_value=0)
.rename('number_stars').reset_index())
輸出：
product stars number_stars
0 10717 1 0
1 10717 2 2
2 10717 3 1
3 10717 4 1
4 10717 5 3
5 10711 1 3
6 10711 2 2
7 10711 3 0
8 10711 4 0
9 10711 5 2
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/519494.html
下一篇：使用字典函式呼叫df列