如何将 pandas value_counts() 合并到数据框或使用它来对数据框进行子集化

Question

我使用 pandas df.value_counts() 来查找特定品牌的出现次数。我想将这些价值计数与初始数据框中的各个品牌合并。

  df has many columns including one named 'brands'
 brands = df.brands.value_counts()

 brand1   143
 brand2   21
 brand3   101
 etc.

如何将价值计数与原始数据框合并，以便每个品牌的相应计数都在一个新列中，比如“brand_count”？

是否可以为这些列分配标题； names 函数不适用于系列，我无法将其转换为数据框以可能以这种方式合并数据。但是，value_counts 输出一系列 dtype int64（品牌名称应为字符串类型），这意味着我不能执行以下操作：

  df2 = pd.DataFrame({'brands': list(brands_all[0]), "brand_count":
 list(brands_all[1])})
 (merge with df)

最终，我想获得这个：

  col1  col2  col3  brands  brand_count ... col150
                   A        30
                   C        140
                   A        30
                   B        111

原文由 user2476665 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

那是你要的吗：

 import numpy as np
import pandas as pd

# generating random DataFrame
brands_list = ['brand{}'.format(i) for i in range(10)]
a = pd.DataFrame({'brands': np.random.choice(brands_list, 100)})
b = pd.DataFrame(np.random.randint(0,10,size=(100, 3)), columns=list('ABC'))
df = pd.concat([a, b], axis=1)
print(df.head())

# generate 'brands' DF
brands = pd.DataFrame(df.brands.value_counts().reset_index())
brands.columns = ['brands', 'count']
print(brands)

# merge 'df' & 'brands_count'
merged = pd.merge(df, brands, on='brands')
print(merged)

PS 第一个重要部分只是数据帧生成。

您感兴趣的部分从 # generate 'brands' DF 评论开始

原文由 MaxU - stop russian terror 发布，翻译遵循 CC BY-SA 3.0 许可协议