パンダのインデックスを数える

これは初歩的な質問のように感じますが、私はこれに非常に慣れていないので、それを解読したり、答えを見つけることができませんでした。

最終的に私がここでやろうとしているのは、特定の列の一意の値を数え、それらの一意の値のうち、一致する列に複数の一意の値があるものを特定することです。

したがって、このデータについて、私が判断しようとしているのは、すべての購入に対して「誰が」「複数のレシート」を持っているか、そして各製品カテゴリーに基づいて同じ情報を判断することです。

これまでの私のアプローチ：

次のようなデータセットがあります。

receipt,name,etc,category
1,george,xxx,fish
1,george,xxx,cat
2,george,xxx,fish
3,bill,xxx,fish
3,bill,xxx,dog
4,jill,xxx,cat
5,bill,xxx,cat
5,bill,xxx,cat
5,bill,xxx,dog
6,george,xxx,fish

だから私はこれを行うことができます：

df.set_index(['name','receipt'])

もっと面白くなる

                etc category
name   receipt
george 1        xxx     fish
       1        xxx      cat
       2        xxx     fish
bill   3        xxx     fish
       3        xxx      dog
jill   4        xxx      cat
bill   5        xxx      cat
       5        xxx      cat
       5        xxx      dog
george 6        xxx     fish

この時点では、データは扱いやすいと感じていますが、まだわかりません。

興味深いのは、インデックスを作成する前にデータを名前で並べ替えると、データが名前でグループ化されて表示されることです。どちらの場合もインデックスは同じなので、インデックス作成後にデータの表現をどのように操作するかわかりません。

を使用してカテゴリ別にデータを見つけるのは簡単です

>>> orders.loc[orders['category'] == 'fish']
                etc category
name   receipt
george 1        xxx     fish
       2        xxx     fish
bill   3        xxx     fish
george 6        xxx     fish

しかし、理解できないのは、パンダに「複数の領収書がある名前のリストを見つけて」と伝える方法です。

小さな質問：

• インデックスの名前部分の長さを取得する「パンダの方法」とは何ですか？私はちょうど回すことができると仮定していますnameセットに列を、その長さを取得します。しかし、私はインデックスに興味があります。

編集/更新

それらの答えをありがとう！これが私が探しているものの明確化です：

「リピート顧客」、つまり複数の領収書を持つ人を探しています。

だから私のすべての顧客のセットは：

names: ['george','bill','jill'], ratio: 1.0

私のリピート顧客：

names: ['george','bill'], ratio 0.66

すべての「魚」の顧客：

names: ['george','bill'], ratio: 0.666

私のリピート「魚」の顧客：

names: ['george'], ratio: 0.333

与えられた例は役立つと思いますが、何でも追加してください。

多分あなたが探していると思います：

receipts_by_name_x_cat = df.groupby(['name','category']).count()

または、すべてのカテゴリの合計が必要な場合：

receipts_by_name = df.groupby(['name']).count()

次に、複数ある人を検索できます。

receipts_by_name[receipts_by_name['receipt']>1]

また、次のように入力すると、インデックスの長さがわかります。

len(df.index.get_level_values(0))

名前が最初のインデックス列であると仮定します（そうでない場合、1、2などに置き換えます）

正確に何を達成しようとしているのかは明確ではありません（希望する/期待されるデータセットを投稿する場合、目標を理解することは役に立ちます）...

しかし、私は推測しようとします;）

データ：

In [100]: df
Out[100]:
   receipt    name  etc category
0        1  george  xxx     fish
1        1  george  xxx      cat
2        2  george  xxx     fish
3        3    bill  xxx     fish
4        3    bill  xxx      dog
5        4    jill  xxx      cat
6        5    bill  xxx      cat
7        5    bill  xxx      cat
8        5    bill  xxx      dog
9        6  george  xxx     fish

仮想列を設定しcount、グループ化された行数を示し、メソッドnameを使用してそれをフィルタリング（クエリ）し.query()ます。

In [101]: (df.assign(count=df.groupby('name').receipt.transform('size'))
     ...:    .query("category in ['dog','cat'] and count > 1"))
     ...:
Out[101]:
   receipt    name  etc category  count
1        1  george  xxx      cat      4
4        3    bill  xxx      dog      5
6        5    bill  xxx      cat      5
7        5    bill  xxx      cat      5
8        5    bill  xxx      dog      5

または、いくつかの列でグループ化し、結果のグループをフィルタリングすることもできます。

In [102]: df.groupby(['name','category']).filter(lambda x: len(x) > 2)
Out[102]:
   receipt    name  etc category
0        1  george  xxx     fish
2        2  george  xxx     fish
9        6  george  xxx     fish