在单个级别上添加新列时，如何使用大熊猫组

Question

原始数据如下：

    Date        E   
0   2017-09-01  -   
1   2017-09-01  +   
2   2017-09-01  +   
3   2017-09-01  +  
...
... 

应用Groupby：

df.groupby(['Date', 'E'])['Date'].count().to_frame(name = 'Count').reset_index()

我得到了一个看起来像这样的数据框架：

    Date        E   Count
0   2017-09-01  +   11
1   2017-09-01  -   1
2   2017-09-04  +   1
3   2017-09-04  -   7
4   2017-09-05  +   1
5   2017-09-05  -   23

如何将其转换为看起来像这样的数据框架：

    Date        +   -
0   2017-09-01  11  1
2   2017-09-04  1   7
4   2017-09-05  1   23

Answer 1

我认为更好的是使用GroupBy.size，因为GroupBy.count用于计数非NaN值。

然后由unstack重塑：

df = df.groupby(['Date', 'E'])['Date'].size().unstack(fill_value=0).reset_index()
print (df)
E        Date  +  -
0  2017-09-01  3  1

较少的打字解决方案，但在较大的df较慢的情况下是 crosstab：

df = pd.crosstab(df['Date'], df['E'])
print (df)
E           +  -
Date            
2017-09-01  3  1

Answer 2

或，使用pd.crosstab

In [1736]: pd.crosstab(df.Date, df.E)
Out[1736]:
E           +  -
Date
2017-09-01  3  1
2017-09-02  1  0

或，pivot_table

In [1737]: pd.pivot_table(df, index=['Date'], columns=['E'], aggfunc=len, fill_value=0)
Out[1737]:
E           +  -
Date
2017-09-01  3  1
2017-09-02  1  0