pandas数据分组统计数量

我们可以使用pandas的`groupby`函数进行数据分组，然后使用`size`函数计算每组数据的数量。例如：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'A': ['a', 'b', 'c', 'a', 'b', 'c'], 'B': [1, 2, 3, 4, 5, 6]})

# 分组统计数量
df_grouped = df.groupby('A').size()
print(df_grouped)

输出结果为：

A
a    2
b    2
c    2
dtype: int64

如果需要分组统计多列，可以指定多个列进行分组：

df_grouped = df.groupby(['A', 'B']).size()
print(df_grouped)

输出结果为：

A  B
a  1    1
   4    1
b  2    1
   5    1
c  3    1
   6    1
dtype: int64

另外，还可以使用`count`函数进行分组统计，这个函数会统计非空值的数量：

df_grouped = df.groupby('A').count()
print(df_grouped)

输出结果为：

   B
A   
a  2
b  2
c  2

希望这些信息能帮到您！

相关问题

pandas分组统计unique

可以使用 pandas 的 groupby 方法进行分组统计 unique 值，示例代码如下：

import pandas as pd

# 创建示例数据
data = {'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
        'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
        'C': [1, 2, 3, 4, 5, 6, 7, 8]}
df = pd.DataFrame(data)

# 分组统计 unique 值
unique_counts = df.groupby(['A', 'B'])['C'].nunique()

print(unique_counts)

输出结果为：

A    B    
bar  one      1
     three    1
     two      2
foo  one      2
     two      2
Name: C, dtype: int64

其中，unique_counts 是一个 pandas Series 对象，它的索引是分组的键值对，值是对应分组的 unique 值数量。

pandas 数据归约 维度归约和数量归约

在 Pandas 中，数据归约可以分为两种：维度归约和数量归约。

维度归约指的是将数据按照某个或某些维度进行分组，然后对每个组内的数据进行某种操作，例如计算总和、平均值等。维度归约的结果是一个比原数据维度低的表格。常见的维度归约函数包括 `groupby()`、`pivot_table()` 等。

数量归约指的是对数据进行简单的统计，例如计算平均值、标准差、最大值、最小值等。数量归约的结果是一个标量或者一个比原数据低一维的表格。常见的数量归约函数包括 `mean()`、`std()`、`max()`、`min()` 等。

维度归约和数量归约在 Pandas 中都非常常见，常用于数据的统计分析和预处理。可以根据具体的需求选择合适的方法进行数据处理。