Vengo arrastrando consultas desde este problema:
Usando este código:
import random
import pandas as pd
from datetime import datetime
inicio = datetime(2019, 1, 1)
final = datetime(2019, 3, 21)
datos = []
for i in range (0, 10000):
fechaRandom = inicio + (final - inicio) * random.random()
datos.append(fechaRandom.strftime('%Y-%m-%d'))
df = pd.DataFrame(datos)
df.rename(columns={0: "Fecha"}, inplace=True)
procesos = []
for a in range (1, 11):
procesos.append('Proceso' + str(a))
total = 0
proceso = []
for i in range (0, 10):
for j in range ( 0, 1000):
proceso.append(procesos[total])
total += 1
datosProceso = pd.DataFrame(proceso)
datosProceso.rename(index=str, columns={0: "Proceso"}, inplace=True)
result = pd.merge(datosProceso.reset_index(),
df.reset_index(),
left_index=True,
right_index=True)
result = result.drop(columns={'index_x', 'index_y'})
Obtengo lo siguiente:
Un Df con 10.000 datos aleatorios en dos columnas, procesos y fechas (Con 10.000 fechas aleatorias agrupadas en 10 procesos aleatorios de a 1000 registros cada uno)
Lo que necesito ahora es poder sacar los duplicados, y dejar el proceso mas la fecha y en una columna el total de veces que se repitió esa fecha para ese proceso. En resumen es esto:
(result
.groupby(["Proceso", "Fecha"])
["Fecha"].count())
El problema que tengo es que necesito que todo este en un nuevo Dataframe que tenga este formato:
Los duplicados los puedo sacar con esto y así me queda un DF con 790 registros, pero no encuentro como mostrar el total de veces que ese registro aparecia y que tenga el formato que necesito.
result.drop_duplicates(subset=['Fecha', 'Proceso'], keep='last').reset_index()