python-3.x - ValueError：错误的项目数通过 2，位置意味着 1 在对两列进行分组并转换组以计算计数时

Question

我有一个 Pandas DataFrame，如下所示：

 df =

 user_id  item_id  time  location
  u1      i1        t1.   l1
  u2      i1        t2    l2
  u1      i2        t3    l1
  u3      i2        t4    l2
  u4      i1        t5    l1
  u5      i1        t6    l1

预期输出：

  df =
 user_id  item_id  time  location count
  u1      i1       t1.   l1         3
  u2      i1       t2    l2         1
  u1      i2       t3    l1         1
  u3      i2       t4    l2         1
  u4      i1       t5    l1         3
  u5      i1       t6    l1         3

我只是想按 itemid 和 location 分组并计算每个组出现的次数。

这是有效的代码：

 df.groupby(['item_id', 'location']).size()

但是，我想将此分组附加到 df：

所以，我做了以下事情来实现这一点：

  data.groupby(['item_id', 'customer_zipcode'])['user_id','time'].transform('size')

但是，我收到以下错误：

 IndexError: Column(s) ['user_id', 'time'] already selected

然后，我这样做了：

 data.groupby(['item_id', 'location'])['user_id','time'].transform('count')

它有效，但没有提供所需的输出。

我也试过这个：

   data.groupby(['item_id', 'location']).transform('sum')

但是，这给出了一个不同的错误：

   TypeError: unsupported operand type(s) for +: 'Timestamp' and 'Timestamp'

那么，如何按两列分组，计算出现次数（计数）并将其附加回数据框？

标签： python-3.xpandaspandas-groupby

Answer 1

groupby对我来说，如果在需要一个新列之后只选择一个值：

data['count1'] = data.groupby(['item_id', 'location'])['user_id'].transform('size')
data['count2'] = data.groupby(['item_id', 'location'])['user_id'].transform('count')
print (data)
  user_id item_id time location  count1  count2
0      u1      i1  t1.       l1       3       3
1      u2      i1   t2       l2       1       1
2      u1      i2   t3       l1       1       1
3      u3      i2   t4       l2       1       1
4      u4      i1   t5       l1       3       3
5      u5      i1   t6       l1       3       3

此方法之间存在差异 -size仅计算组，但count用于计算具有 excludeNaN的列的值，因此适用于测试多个列：

#no missing values, same output
data[['count2','count3']] = data.groupby(['item_id', 'location'])[['user_id', 'time']].transform('count')
print (data)
  user_id item_id time location  count2  count3
0      u1      i1  t1.       l1       3       3
1      u2      i1   t2       l2       1       1
2      u1      i2   t3       l1       1       1
3      u3      i2   t4       l2       1       1
4      u4      i1   t5       l1       3       3
5      u5      i1   t6       l1       3       3

---

print (data)
  user_id item_id time location
0      u1      i1  t1.       l1
1      u2      i1  NaN       l2
2      u1      i2   t3       l1
3     NaN      i2   t4       l2
4     NaN      i1   t5       l1
5      u5      i1   t6       l1

#tested each column separately
data[['count2','count3']] = data.groupby(['item_id', 'location'])[['user_id', 'time']].transform('count')
print (data)
  user_id item_id time location  count2  count3
0      u1      i1  t1.       l1       2       3
1      u2      i1  NaN       l2       1       0
2      u1      i2   t3       l1       1       1
3     NaN      i2   t4       l2       0       1
4     NaN      i1   t5       l1       2       3
5      u5      i1   t6       l1       2       3

如果使用 if fail 测试多列size，我猜是错误（或者有人注意到测试多列没有意义，因为不排除 NaN，所以所有列总是具有相同的值）：

data[['count2','count3']] = data.groupby(['item_id', 'location'])[['user_id', 'time']].transform('size')

print (data)

IndexError: 列 ['user_id', 'time'] 已选择

因为如果单独使用每一列，可能会出现错误：

data['count2'] = data.groupby(['item_id', 'location'])['user_id'].transform('size')
data['count3'] = data.groupby(['item_id', 'location'])[ 'time'].transform('size')
print (data)

  user_id item_id time location  count2  count3
0      u1      i1  t1.       l1       3       3
1      u2      i1  NaN       l2       1       1
2      u1      i2   t3       l1       1       1
3     NaN      i2   t4       l2       1       1
4     NaN      i1   t5       l1       3       3
5      u5      i1   t6       l1       3       3