Pandas DataFrame Groupby 两列并获取计数

Pandas

使用Pandas的DataFrame和Groupby功能，可以方便地对数据进行分组和统计。通过将两列作为分组依据，我们可以获取每个组的计数值，并对结果进行进一步分析和可视化。

首先，让我们来看一个例子。假设我们有一份销售数据的DataFrame，其中包含了产品类别和销售地点两列。我们希望统计每个产品类别在每个销售地点的销售数量。

下面是示例代码：

Python
import Pandas as pd
# 创建示例数据
data = {'产品类别': ['电视', '电视', '电脑', '手机', '手机'],
        '销售地点': ['北京', '上海', '北京', '上海', '北京']}
df = pd.DataFrame(data)
# 使用Groupby对数据进行分组并计数
result = df.groupby(['产品类别', '销售地点']).size().reset_index(name='销售数量')
# 输出结果
print(result)

运行以上代码，我们将得到以下结果：

  产品类别 销售地点  销售数量
0   电视   上海     1
1   电视   北京     1
2   电脑   北京     1
3   手机   上海     1
4   手机   北京     1

在这个例子中，我们创建了一个包含产品类别和销售地点的DataFrame，并使用Groupby对数据进行分组。然后，我们使用size()函数计算每个组的数量，并使用reset_index()函数重置索引列。最后，我们将结果输出到控制台。

在这个例子中，我们可以看到每个产品类别在每个销售地点的销售数量。例如，电视在上海销售了1台，在北京销售了1台。

示例代码:

Python
import Pandas as pd
# 创建示例数据
data = {'产品类别': ['电视', '电视', '电脑', '手机', '手机'],
        '销售地点': ['北京', '上海', '北京', '上海', '北京']}
df = pd.DataFrame(data)
# 使用Groupby对数据进行分组并计数
result = df.groupby(['产品类别', '销售地点']).size().reset_index(name='销售数量')
# 输出结果
print(result)

通过这个例子，我们可以清楚地看到使用Pandas的DataFrame和Groupby功能可以轻松地进行分组统计。无论是对于销售数据、用户行为数据还是其他类型的数据，都可以使用这种方法来进行分析和可视化。