Pandas DataFrame Group By Multiple Columns for Value Counts

En la manipulación de DataFrame con Pandas, agrupar datos por múltiples columnas puede proporcionar información valiosa. Este artículo demuestra cómo contar observaciones mientras se agrupa por dos columnas, así como también cómo determinar el recuento más alto para cada agrupación.

Dado un DataFrame con varias columnas, es posible aplicar la función 'groupby' para agrupar datos basado en columnas específicas. Aquí, tenemos un DataFrame llamado 'df' con cinco columnas: 'col1', 'col2', 'col3', 'col4' y 'col5'.

import pandas as pd

df = pd.DataFrame([
    [1.1, 1.1, 1.1, 2.6, 2.5, 3.4,2.6,2.6,3.4,3.4,2.6,1.1,1.1,3.3], 
    list('AAABBBBABCBDDD'), 
    [1.1, 1.7, 2.5, 2.6, 3.3, 3.8,4.0,4.2,4.3,4.5,4.6,4.7,4.7,4.8], 
    ['x/y/z','x/y','x/y/z/n','x/u','x','x/u/v','x/y/z','x','x/u/v/b','-','x/y','x/y/z','x','x/u/v/w'],
    ['1','3','3','2','4','2','5','3','6','3','5','1','1','1']
]).T
df.columns = ['col1','col2','col3','col4','col5']

Contando por grupos de filas

Para contar los número de observaciones en cada grupo de filas, use la función 'groupby' en las columnas deseadas y luego aplique la función 'tamaño'.

result = df.groupby(['col5', 'col2']).size()

Esto producirá un DataFrame con las columnas agrupadas como índice y el tamaño como valores.

print(result)

Determinación del recuento más alto

Para determinar el recuento máximo para cada valor 'col2', use la función 'groupby' en 'col2' y luego aplique la función 'max' en los datos agrupados.

result = df.groupby(['col5', 'col2']).size().groupby(level=1).max()

Esto producirá una serie con el recuento máximo para cada 'col2' valor.

print(result)

En resumen, el uso de las funciones 'groupby' y 'size' en Pandas permite un análisis eficiente y la agregación de datos, lo que permite a los usuarios extraer información sobre sus datos de diversas maneras.