Как сделать группировку по двум уровням на питоне панды и посчитать значения?

Question

У меня есть следующий фрейм данных

import pandas as pd
import numpy as np
df = pd.DataFrame()
df['Name'] = ['AK', 'Ram', 'Ram', 'Singh', 'Murugan', 'Kishore', 'AK']
df['Email'] = ['AK@gmail.com', 'a@djgbj.com', 'a@djgbj.com', '3454@ghhg.io', 'dgg@qw.cc', 'dgdg@dg.com', 'AK@gmail.com']
df['Cat'] = ['ab1', 'ab2', 'ab1', 'ab2', 'ab1', 'ab2', 'ab1']
df['Id'] = ['abc1', 'abc2', 'abc3', 'abc4', 'abc5', 'abc6', 'abc7']

Для следующего кода

dfs=df.groupby(['Email', 'Cat'])['Email'].count().reset_index(name='Number')

Это дает:

      Email         Cat Number
0   3454@ghhg.io    ab2 1
1   AK@gmail.com    ab1 2
2   a@djgbj.com     ab1 1
3   a@djgbj.com     ab2 1
4   dgdg@dg.com     ab2 1
5   dgg@qw.cc       ab1 1

Как сгруппировать по dfs, чтобы получить следующий вывод?

Cat Number Count
ab1 1      3
ab1 2      1
ab2 1      3

Answer 1

Просто:

dfs.groupby(['Cat', 'Number']).count()

воспроизведено ниже, что работает ..

>>> dfs.groupby(['Cat', 'Number']).count()
            Email
Cat Number
ab1 1           2
    2           1
ab2 1           3

OR

>>> dfs.groupby(['Cat', 'Number'])['Email'].count()
Cat  Number
ab1  1         2
     2         1
ab2  1         3
Name: Email, dtype: int64

Answer 2

Использование groupby + size и reset_index:

df1 = dfs.groupby(['Cat','Number']).size().reset_index(name='Count')

Или:

df1 = dfs.groupby(['Cat','Number'])['Email'].value_counts().reset_index(name='Count')

---

print(df1)
   Cat  Number  Count
0  ab1       1      2
1  ab1       2      1
2  ab2       1      3