Una pregunta reciente, que no especificaba con qué lenguaje/tecnología quería resolverlo, me impulsó a pensar cómo lo haría con Pandas.
La pregunta puede reformularse en el contexto de Pandas en la forma siguiente.
Dado un dataframe como por ejemplo el que construyo aquí:
import pandas as pd
datos = [["jose", "manzana"],
["andres","pera"],
["luis", "pera"],
["jose", "manzana"]]
df = pd.DataFrame(datos, columns=["Nombre", "Fruta"])
print(df)
Que tiene esta pinta:
Nombre Fruta
0 jose manzana
1 andres pera
2 luis pera
3 jose manzana
quiero obtener otro en el que el índice sean los nombres (sin repeticiones), las columnas las frutas, y las celdas el número de veces que cada nombre aparece con cada fruta. Es decir:
Fruta manzana pera
Nombre
andres 0 1
jose 2 0
luis 0 1
Mi intento
Parece que esto está pidiendo una pivot_table()
, pero para poder resolverlo no se me ha ocurrido otra forma que añadir al dataframe original una columna extra llena de 1
:
>>> print(df.assign(Cuantas=1))
Nombre Fruta Cuantas
0 jose manzana 1
1 andres pera 1
2 luis pera 1
3 jose manzana 1
Para poder usar esa columna como valor a sumar en la pivot_table
. Mi solución queda por tanto así:
sol = df.assign(Cuantas=1).pivot_table(
index="Nombre",
columns="Fruta",
values="Cuantas",
aggfunc="sum",
fill_value=0)
y efectivamente esto da el resultado buscado, pero me parece un poco farragoso.
La pregunta es ¿Hay otra forma más sencilla?.