分类计数通过数据框

Question

数据大熊猫组我有一个数据帧，看起来像这样：

+---+-----------+----------------+-------+ 
| | uid |  msg  | count | 
+---+-----------+----------------+-------+ 
| 0 | 121437681 | eis   |  1 | 
| 1 | 14403832 | eis   |  1 | 
| 2 | 190442364 | eis   |  1 | 
| 3 | 190102625 | eis   |  1 | 
| 4 | 190428772 | eis_reply  |  1 | 
| 5 | 190428772 | single_message |  1 | 
| 6 | 190428772 | yes   |  1 | 
| 7 | 190104837 | eis   |  1 | 
| 8 | 144969454 | eis   |  1 | 
| 9 | 190738403 | eis   |  1 | 
+---+-----------+----------------+-------+ 

我想要做的是计算每个msg的情况下，每一个UID。

我创建了一个GROUPBY对象，发现所有消息的计数：

grouped_test = test.groupby('uid') 
grouped_test.count('msg') 

但我不太清楚如何计算每个UID每种类型的消息。我正在考虑创建掩码和4个独立的数据框架，但这似乎不是一种有效的方法来实现这一点。

样本数据 - http://www.sharecsv.com/s/16573757eb123c5b15cae4edcb7296e3/sample_data.csv

Answer 1

集团通过uid和应用value_counts与MSG列：

>>> d.groupby('uid').msg.value_counts() 
uid      
14403832 eis    1 
121437681 eis    1 
144969454 eis    1 
190102625 eis    1 
190104837 eis    1 
190170637 eis    1 
190428772 eis    1 
      single_message 1 
      yes    1 
      eis_reply   1 
190442364 eis    1 
190738403 eis    1 
190991478 single_message 1 
      eis_reply   1 
      yes    1 
191356453 eis    1 
191619393 eis    1 
dtype: int64 

Answer 2

两个id和msg应用groupby，再总结各count：

>>> df.groupby(['uid', 'msg'])['count'].sum() 
uid  msg   
14403832 eis    1 
121437681 eis    1 
144969454 eis    1 
190102625 eis    1 
190104837 eis    1 
190170637 eis    1 
190428772 eis    1 
      eis_reply   1 
      single_message 1 
      yes    1 
190442364 eis    1 
190738403 eis    1 
190991478 eis_reply   1 
      single_message 1 
      yes    1 
191356453 eis    1 
191619393 eis    1 
Name: count, dtype: int64 

您可以重置索引以检索展平版本：

>>> df.groupby(['uid', 'msg'])['count'].sum().reset_index() 
      uid    msg count 
0 14403832    eis  1 
1 121437681    eis  1 
2 144969454    eis  1 
3 190102625    eis  1 
4 190104837    eis  1 
5 190170637    eis  1 
6 190428772    eis  1 
7 190428772  eis_reply  1 
8 190428772 single_message  1 
9 190428772    yes  1 
10 190442364    eis  1 
11 190738403    eis  1 
12 190991478  eis_reply  1 
13 190991478 single_message  1 
14 190991478    yes  1 
15 191356453    eis  1 
16 191619393    eis  1