Comment compter les observations par groupe chez les pandas

Souvent, vous pourriez être intéressé à compter le nombre d’ observations par groupe dans un DataFrame pandas.

Heureusement, cela est facile à faire en utilisant les fonctions groupby() et size() avec la syntaxe suivante :

df.groupby('column_name').size()

Ce tutoriel explique plusieurs exemples d’utilisation pratique de cette fonction à l’aide du bloc de données suivant :

import numpy as np
import pandas as pd

#create pandas DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'division':['E', 'W', 'E', 'E', 'W', 'W', 'E'],
                   'rebounds': [11, 8, 7, 6, 6, 5, 12]})

#display DataFrame
print(df)

  team division  rebounds
0    A        E        11
1    A        W         8
2    B        E         7
3    B        E         6
4    B        W         6
5    C        W         5
6    C        E        12

Exemple 1 : compter par une variable

Le code suivant montre comment compter le nombre total d’observations par équipe :

#count total observations by variable 'team'
df.groupby('team').size()

team
A    2
B    3
C    2
dtype: int64

D’après le résultat, nous pouvons voir que :

• L’équipe A a 2 observations
• L’équipe B a 3 observations
• L’équipe C a 2 observations

Notez que le code précédent produit une série. Dans la plupart des cas, nous souhaitons travailler avec un DataFrame, nous pouvons donc utiliser la fonction reset_index() pour produire un DataFrame à la place :

df.groupby('team').size().reset_index(name='obs')

        team	obs
0	A	2
1	B	3
2	C	2

Exemple 2 : compter et trier par une variable

Nous pouvons également utiliser la fonction sort_values() pour trier le nombre de groupes.

Nous pouvons spécifier ascending=False pour trier le nombre de groupes du plus grand au plus petit ou ascending=True pour trier du plus petit au plus grand :

df.groupby('team').size().reset_index(name='obs').sort_values(['obs'], ascending=True)

        team	obs
0	A	2
2	C	2
1	B	3

Exemple 3 : Comptage par plusieurs variables

On peut également compter le nombre d’observations regroupées par plusieurs variables dans un DataFrame pandas :

#count observations grouped by team and division
df.groupby(['team', 'division']).size().reset_index(name='obs')

        team	division  obs
0	A	E	  1
1	A	W	  1
2	B	E	  2
3	B	W	  1
4	C	E	  1
5	C	W	  1

D’après le résultat, nous pouvons voir que :

• 1 observation appartient à l’équipe A et à la division E
• 1 observation appartient à l’équipe A et à la division W
• 2 observations appartiennent à l’équipe B et à la division E
• 1 observation appartient à l’équipe B et à la division W
• 1 observation appartient à l’équipe C et à la division E
• 1 observation appartient à l’équipe C et à la division W

Ressources additionnelles

Comment calculer la somme des colonnes dans Pandas
Comment calculer la moyenne des colonnes dans Pandas
Comment trouver la valeur maximale des colonnes dans Pandas