我有一个看起来像这样的数据框（df）：
HOUSEID PERSONID WHY_TRP
20000017 1 1
20000017 1 1
20000017 1 1
20000017 2 1
20000017 2 3
20000231 1 11
20000231 1 11
20000231 2 11
20000521 1 11
20000521 2 11
20000521 2 3
每行描述一个人的旅行。我有另一种相同类型的数据框，其中每一行都描述一个人（df_p）：
HOUSEID PERSONID
20000017 1
20000017 2
20000231 1
20000231 2
20000521 1
20000521 2
我想在第二个数据框中添加三个新列，以显示每个人的1、3和11频率。基本上，我已经有了另一个具有其他功能的数据帧（df_p），所以我不应该使用groupby。由于某些原因，第一个和第二个数据框的人数不相同。这就是为什么我需要以下策略。这是我尝试的代码，但要花几个小时才能完成（100万次迭代）：
df_p.insert(2, 'WHY_TRP_1', 0)
df_p.insert(3, 'WHY_TRP_2', 0)
df_p.insert(4, 'WHY_TRP_3', 0)
def trip_counter(i, r):
if r[2] == 1:
df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] == r[1]), ['WHY_TRP_1']] += 1
elif r[2] == 3:
df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] == r[1]), ['WHY_TRP_3']] += 1
elif r[2] == 11:
df_p.loc[(df_p['HOUSEID'] == r[0]) & (df_p['PERSONID'] == r[1]), ['WHY_TRP_11']] += 1
for i ,r in df.iterrows():
trip_counter(i ,r)
输出：
HOUSEID PERSONID WHY_TRP_1 WHY_TRP_3 WHY_TRP_11
20000017 1 3 0 0
20000017 2 1 1 0
20000231 1 0 0 2
20000231 2 0 0 1
20000521 1 0 0 1
20000521 2 0 1 1
有更快的方法吗？
谢谢
使用pd.get_dummies，.groupby().sum()并pd.merge（）把它放回原来的数据框（编辑：我在加入pd.merge逻辑刚才给我们再看一下后完全回答你的问题请问这个答案？）
df1 = pd.get_dummies(df, columns=['WHY_TRP']).groupby(['HOUSEID', 'PERSONID']).sum().reset_index()
df2 = pd.merge(df, df1, how='left', on=['HOUSEID', 'PERSONID'])
df2
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句