Pandas DataFrame GroupBy Multiple Columns for Value Counts

Na manipulação de DataFrame com Pandas, agrupar dados por múltiplas colunas pode fornecer insights valiosos. Este artigo demonstra como contar observações ao agrupar por duas colunas, bem como determinar a contagem mais alta para cada agrupamento.

Dado um DataFrame com múltiplas colunas, é possível aplicar a função 'groupby' para agrupar dados com base em colunas específicas. Aqui, temos um DataFrame chamado 'df' com cinco colunas: 'col1', 'col2', 'col3', 'col4' e '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']

Contagem por grupos de linhas

Para contar o número de observações em cada grupo de linhas, use a função 'groupby' nas colunas desejadas e depois aplique a função 'size'.

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

Isso produzirá um DataFrame com as colunas agrupadas como o índice e o tamanho como os valores.

print(result)

Determinando a contagem mais alta

Para determinar a contagem máxima para cada valor 'col2', use a função 'groupby' em 'col2' e depois aplique a função 'max' nos dados agrupados .

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

Isso produzirá uma série com a contagem máxima para cada valor 'col2'.

print(result)

Em resumo, usar as funções 'groupby' e 'size' no Pandas permite uma eficiência análise e agregação de dados, permitindo aos usuários extrair insights sobre seus dados de diversas maneiras.