-3

Tenho um dataframe relativamente grande e gostaria de criar uma coluna chamada contagem com o número de ocorrências da mesma linha no mesmo dataframe, quando o valor de determinadas linhas for igual em determinadas colunas.
De:

id | coluna1 | coluna2 | coluna3 | coluna4
0  | z       | x       | x       | a
1  | y       | y       | y       | b
2  |    x    |    x    |    x    | c
3  |    x    |    x    |    x    | d
4  | z       | y       | x       | e
5  |    w    |    w    |    w    | f
6  |    w    |    w    |    w    | g
7  |    w    |    w    |    w    | h

Para:

id | coluna1 | coluna2 | coluna3 | coluna4 | contagem
0  | z       | x       | x       | a       | 1
1  | y       | y       | y       | b       | 1
2  |    x    |    x    |    x    | c       | 2
3  |    x    |    x    |    x    | d       | 2
4  | z       | y       | x       | e       | 1
5  |    w    |    w    |    w    | f       | 3
6  |    w    |    w    |    w    | g       | 3
7  |    w    |    w    |    w    | h       | 3

Reparem que só usei as colunas 1, 2 e 3 no processo de contagem. Imagino que dê pra usar groupby pra isso, mas não sei como.

3
  • Porque o id = 1 contou 1 e o id = 2 contou 2? A linha de id=1 possui 3 letras y e o id=2 possui 3 letras x... Porque a diferença na contagem? Commented 6/01/2023 às 17:02
  • Porque x x x (id 2 e 3) aparece 2 vezes e y y y só 1 vez
    – null92
    Commented 6/01/2023 às 17:11
  • Talvez isso facilite. A pergunta a ser feita é: quantas vezes os valores de coluna1, coluna2 e coluna3 aparecem no dataframe? Não individualmente, mas os 3 juntos mesmo
    – null92
    Commented 6/01/2023 às 17:22

1 Resposta 1

-1

A solução é realmente com groupby. Porém, é necessário usar o transform.

Veja abaixo:

Criando dataframe de teste

df = pd.DataFrame({"col_A": ["z", "y", "x", "x", "z", "w", "w", "w"], "col_B": ["x", "y", "x", "x", "y", "w", "w", "w"], "col_C": ["x", "y", "x", "x", "x", "w", "w", "w"], "col_D": ["a", "b", "c", "d", "e", "f", "g", "h"]})

df
  col_A col_B col_C col_D
0     z     x     x     a
1     y     y     y     b
2     x     x     x     c
3     x     x     x     d
4     z     y     x     e
5     w     w     w     f
6     w     w     w     g
7     w     w     w     h

Gerando coluna contagem

df["contagem"] = df.groupby(["col_A", "col_B", "col_C"]).transform('size')

df
  col_A col_B col_C col_D  contagem
0     z     x     x     a         1
1     y     y     y     b         1
2     x     x     x     c         2
3     x     x     x     d         2
4     z     y     x     e         1
5     w     w     w     f         3
6     w     w     w     g         3
7     w     w     w     h         3

Nota: Ao invés de size, você pode optar pelo count. O resultado será o mesmo.

2
  • Muito obrigado, Paulo!
    – null92
    Commented 6/01/2023 às 21:21
  • Para quem votou negativo, poderia dizer o motivo? Commented 7/01/2023 às 3:58

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .