pandas group by count

可以使用 Pandas 的 `groupby` 函数和 `count` 函数来实现。

假设有一个名为 `df` 的 Pandas DataFrame，其中有一个名为 `category` 的列，我们想要按照 `category` 列对数据进行分组，并统计每个分组中的行数，可以使用以下代码：

grouped = df.groupby('category').count()

这将返回一个新的 DataFrame，其中包含每个分组的行数。如果还需要重命名 DataFrame 中的列，可以使用 `rename` 函数：

grouped = grouped.rename(columns={'column_name': 'new_name'})

其中 `column_name` 是原始列名，`new_name` 是新的列名。

相关问题

pandas groupby count

pandas 的 groupby 函数可以按照指定的列进行分组，并统计每组的数量。使用方法如下:

df.groupby('column_name').size()

或者

df.groupby('column_name').count()

其中，column_name 是需要分组的列。size() 函数返回每组的数量，count() 函数返回每列每组的非 NA 值的数量。

pandas group by 求count，然后 having

在 Pandas 中，可以使用 `groupby()` 方法进行分组操作，然后使用 `count()` 方法对每个组进行计数，最后使用 `filter()` 方法进行筛选。

例如，我们有一个数据集 `df`，包含两列 `A` 和 `B`，我们想要按照 `A` 列进行分组，然后过滤掉 `B` 列中计数小于 3 的组，可以按照以下方式实现：

import pandas as pd

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'two', 'two', 'one', 'one', 'two']})

result = df.groupby('A').filter(lambda x: len(x) >= 3)
result = result.groupby('A').filter(lambda x: x['B'].count() >= 3)

首先，我们使用 `groupby()` 方法按照 `A` 列进行分组，然后使用 `filter()` 方法筛选出计数大于等于 3 的组。接着，我们再次使用 `groupby()` 方法按照 `A` 列进行分组，然后使用 `count()` 方法计算每组中 `B` 列的计数，最后再使用 `filter()` 方法筛选出计数大于等于 3 的组。

需要注意的是，`filter()` 方法返回的是一个新的 DataFrame，而不是原始的 DataFrame。如果需要修改原始的 DataFrame，可以使用 `inplace=True` 参数。同时，`filter()` 方法中的 lambda 函数可以根据具体的需求进行自定义。