时间戳

首页 > 解决方案 > 在 Pandas 中计算来自 2 个数据帧（由索引链接）的数据出现次数

python - 在 Pandas 中计算来自 2 个数据帧（由索引链接）的数据出现次数

问题描述

我有 2 个大型数据框（以下只是摘录），其中包含有关道路事故的信息，其中df_veh包含有关车辆的详细信息并df_ped包含每次事故中涉及的行人数量。veh_type显示事故中涉及的车辆类型（1=自行车，2=汽车，3=公共汽车）。它们与acc_index指示独特的事故有关。

veh_data = {'acc_index':  ['001', '002', '002', '003', '003', '004', '005', '005', '006',
                           '006', '007', '007', '008', '008', '008', '009', '009', '009'],
         'veh_type': ['1', '1', '2', '1', '1', '1', '2', '2', '2', '3', '1', '2', '1', '1', 
                      '1', '1', '2', '2'] }

df_veh = pd.DataFrame (veh_data, columns = ['acc_index', 'veh_type'])       

ped_data = {'acc_index':  ['001', '002', '003', '004', '005', '006', '007', '008', '009'],
            'pedestrians': ['1', '2', '0', '1', '4', '3', '0', '1', '2'] }
df_ped = pd.DataFrame (ped_data, columns = ['acc_index', 'pedestrians'])

我想要做的是计算事故数量（仅通过acc_index唯一一次）：

  1. 汽车和自行车之间（veh_type==1和veh_type==2）
  2. 自行车和行人之间（veh_type==1和pedestrians>=1）
  3. 汽车和行人之间（veh_type==2和pedestrians>=1）
  4. 仅在汽车之间（veh_type==2对于相同的 acc_index）
  5. 仅在自行车之间（veh_type==1对于相同的 acc_index）
  6. 仅行人之间（pedestrians>=1对于相同的 acc_index）

我尝试以不同的方式做到这一点，但最后，我得到了不同的结果，所以我很困惑。例如，我试图计算这样的自行车行人事故：

df_bikes = df_veh[df_veh['veh_type']==1].groupby('acc_index').sum().reset_index()
bike_ped = pd.merge(df_bikes, df_ped, how='outer', on='acc_index')
bike_ped[(bike_ped['veh_type']==1) & (bike_ped['pedestrians']>=1)].groupby(
    'acc_index').sum().reset_index()[['acc_index', 'veh_type', 'pedestrians']]

另一个例子，这就是我如何计算汽车和自行车之间的事故，这要归功于这篇文章中的评论。我相信这个至少是正确的。我试图找到最简单的方法来做到这一点（但也显示计算的行数）。

bike_car = df_veh[def_veh.groupby('acc_index')['veh_type'].
                transform(lambda g: not({1, 2} - {*g}))][['acc_index', 'veh_type']]
len(bike_car.groupby(['acc_index']).size().reset_index()))

标签： pythonpandasdataframecount

解决方案

考虑将车辆数据与pivot_table 行人groupby聚合相结合，然后运行所需的query()调用，其中每一行都是不同的acc_index：

veh_dict = {'1': 'bicycle', '2': 'car', '3': 'bus'}

pvt_df = (df_veh.assign(val = 1)
                .pivot_table(index = 'acc_index', 
                            columns = 'veh_type', 
                            values = 'val', 
                            aggfunc='sum')
                .set_axis([veh_dict[i] for i in list('123')], 
                          axis = 'columns',  
                          inplace = False)
                .join(df_ped.assign(pedestrians = lambda x: x['pedestrians'].astype('int'))
                            .groupby('acc_index')['pedestrians']
                            .sum()
                            .to_frame(),
                      how = 'outer'
                     )

         )

pvt_df
#            bicycle  car  bus  pedestrians
# acc_index
# 001            1.0  NaN  NaN            1
# 002            1.0  1.0  NaN            2
# 003            2.0  NaN  NaN            0
# 004            1.0  NaN  NaN            1
# 005            NaN  2.0  NaN            4
# 006            NaN  1.0  1.0            3
# 007            1.0  1.0  NaN            0
# 008            3.0  NaN  NaN            1
# 009            1.0  2.0  NaN            2

查询

# BIKES AND CARS
pvt_df.query('(bicycle >= 1) & (car >= 1)')
#            bicycle  car  bus  pedestrians
# acc_index
# 002            1.0  1.0  0.0            2
# 007            1.0  1.0  0.0            0
# 009            1.0  2.0  0.0            2

# BIKES AND PEDESTRIANS
pvt_df.query('(bicycle >= 1) & (pedestrians >= 1)')
#            bicycle  car  bus  pedestrians
# acc_index
# 001            1.0  0.0  0.0            1
# 002            1.0  1.0  0.0            2
# 004            1.0  0.0  0.0            1
# 008            3.0  0.0  0.0            1
# 009            1.0  2.0  0.0            2

# CARS AND PEDESTRIANS
pvt_df.query('(car >= 1) & (pedestrians > 1)')
#            bicycle  car  bus  pedestrians
# acc_index
# 002            1.0  1.0  0.0            2
# 005            0.0  2.0  0.0            4
# 006            0.0  1.0  1.0            3
# 009            1.0  2.0  0.0            2

### ONLY CARS
pvt_df.query('(bicycle == 0) & (car >= 1) & (bus == 0) & (pedestrians == 0)')
# Empty DataFrame
# Columns: [bicycle, car, bus, pedestrians]
# Index: []

### ONLY BICYCLES
pvt_df.query('(bicycle >= 1) & (car == 0) & (bus == 0) & (pedestrians == 0)')
#            bicycle  car  bus  pedestrians
# acc_index
# 003            2.0  0.0  0.0            0

### ONLY PEDESTRIANS
pvt_df.query('(bicycle == 0) & (car == 0) & (bus == 0) & (pedestrians >= 1)')   
# Empty DataFrame
# Columns: [bicycle, car, bus, pedestrians]
# Index: []

推荐阅读