0

amigos, espero se encuentren muy bien. He estado tratando de crear código que me permita encontrar las categórias de un DF que tenga valores distintos y cuales no tengan, pero no sé como puedo hacer para recorrer un DF por categorías. Trate hacer un distint y agrupar pero esto no me funcionó. Mi df es así:

Nombres     códigos 
Meta           1 
Meta           1
Berlin         2
Berlin         2
Quito          3
Quito1         3
Valencia       4
Valencia      45

Lo primero que quiero hacer es agrupar por la variable nombres y mirar cual tiene códigos diferentes como por ejemplo la categoría valencia que tiene dos códigos distintos asociados. Lo segundo es agrupar por códigos y mirar que la categoría tiene nombres diferentes asociados, por ejemplo la caregoria 3 tiene los nombres diferentes asociados quito y quito1

A continución anexo las formas que he intentado, pero no me han dado ningun resultado. lo he intentado tanto en R como en python.

usando dplyr

agrupando_1 <- 
df %>%                             
group_by(Nombres) %>%
summarise(unique_codes = n_distinct(Codigos)) 

usando data.table

library(data.table)
group_2 <- 
data.table(df)[ , .(unique_Codigos = length(unique(Codigos))), 
by = Nombres]
group_2

python pandas

import pandas as pd

df = pd.read_excel("nombres_codigos.xlsx")

df2 = df.groupby(['Nombres'])['Nombres'].count()
df2 
3
  • Buen día, para entender un poco mejor, ¿Deseas obtener las filas que tengan diferentes códigos para un mismo nombre y diferentes nombres para un mismo código? o ¿Solo quieres obtener los nombres con diferentes códigos y los códigos con diferentes nombres? Es decir, ¿Deseas obtener la fila completa o únicamente el valor de la celda nombres y códigos que tengan más de un elemento asociado? Commented el 18 jun. 2022 a las 5:14
  • O ¿Deseas obtener el número de códigos asociados a cada nombre y el número de nombres asociados a cada código? o ¿Una lista de asociaciones? Yo creo que lo más fácil es que edites tu pregunta y agregues un ejemplo del resultado esperado para que sea más fácil darte una respuesta que se aplique a tus necesidades Commented el 18 jun. 2022 a las 5:18
  • @HeytalePazguato deseo obtener el número de códigos asociados a cada categoría nombre y el número de nombres asociados a cada código Commented el 18 jun. 2022 a las 11:01

2 respuestas 2

1

Buen día,

Una forma fácil de obtener los resultados que buscas es utilizando pandas.DataFrame.drop_duplicates junto con pandas.DataFrame.groupby y luego pandas.core.groupby.GroupBy.count

Utilizando tu dataframe como referencia puedes hacer lo siguiente:

nombres = df.drop_duplicates().groupby(['Nombres'])['códigos'].count()
codigos = df.drop_duplicates().groupby(['códigos'])['Nombres'].count()

Al imprimir nombres y codigos obtenemos:

Nombres
Berlin      1
Meta        1
Quito       1
Quito1      1
Valencia    2
Name: códigos, dtype: int64

códigos
1     1
2     1
3     2
4     1
45    1
Name: Nombres, dtype: int64

Y si lo quieres ver con el nombre de la columna podrías utilizar pandas.core.groupby.GroupBy.agg

nombres = df.drop_duplicates().groupby(['Nombres']).agg({'códigos': 'count'})
codigos = df.drop_duplicates().groupby(['códigos']).agg({'Nombres': 'count'})

Al imprimir nombres y codigos obtenemos:

          códigos
Nombres          
Berlin          1
Meta            1
Quito           1
Quito1          1
Valencia        2

         Nombres
códigos         
1              1
2              1
3              2
4              1
45             1
0

Encontré una forma de hacerlo con data.table en R.

lo primero que hice fue convertir el df en formato data.table

df_prueba=data.table(df)

luego conté cuantas veces se repetía cada nombre en el df_prueba

df_prueba_nombre = df_prueba[, .N, by = Nombre]
setnames(df_prueba_nombre ,"N", "Frec") 

posteriormente hago lo mismo pero para contar los codigos

df_prueba_codigo = df_prueba[, .N, by = Cogdigo]
setnames(df_prueba_codigo ,"N", "Frec")

lugo hago un leftjoin donde uno el df_prueba_codigo con el df_prueba, para que se le agreguen los nombres a cada codigo con su frecuencia.

setkey(df_prueba_codigo,Codigo)
setkey(df_prueba,Codigo)

lj_prueba <- merge(df_prueba_codigo,df_prueba, all.x=TRUE)

luego aplico un unique porque los nombres con la frecuencia quedaron duplicados al aplicar el join.

lj_prueba =unique(lj_prueba , incomparables = FALSE, fromLast = FALSE,
        nmax = NA,)

ahora voy a hacer un leftjoin para unir el df lj_prueba con el df que contiene la frecuencia de repeticion de los nombres df_prueba_nombre.

setkey(df_prueba_nombre,Nombre)
setkey(lj_prueba,Nombre)

# perform the join using the merge function
f_prueba <- merge(lj_prueba,df_prueba_nombre, all.x=TRUE)

por ultimo creo una nueva columna en el df y establesco un condicional que me diga yes si la frecuencia del código coincide con la frecuencia del nombre y que me diga no si no coinciden para así encontrar las variables repetidas que tienen nombre o codigo diferente.

f_prueba$igual = ifelse(f_prueba$Frec.x==f_prueba$Frec.y,"Yes","No")

esto será una nueva columna del df f_prueba

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.