Python Pandas GroupBy 的 size 陷阱：為什麼你的計數結果總是不對？如何計算重複次數? duplicates = df.duplicated( subset = [‘name’] )

import pandas as pd

data = {'id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
        'name': ['John', 'Anna', 'John', 'Anna',
                 'John', 'Anna', 'John', 'Anna',
                 'John', 'Anna']}

df = pd.DataFrame(data)
duplicates = df.duplicated(subset=['name'])
df_dup = df[duplicates]  # 只保留重複的資料

# 方法 1：GroupBy.size() 方法
print(df_dup.groupby('name').size())
# Anna    4
# John    4

# 方法 2：遍歷並使用 size 屬性
for name, group in df_dup.groupby('name'):
    print(f"{name}: {group.size}")
# Anna: 8
# John: 8

# 方法 3：先選列再分組
for name, group in df_dup.groupby('name')['name']:
    print(f"{name}: {group.size}")
# Anna: 4
# John: 4

# DataFrame 的 size 屬性
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
print(df.size)  # 6 (3行 × 2列)
print("傳說中的分隔線".center(20,"="))
# Series 的 size 屬性
s = pd.Series([1, 2, 3])
print(s.size)   # 3
print("傳說中的分隔線".center(20,"="))
# GroupBy 的 size() 方法
grouped = df.groupby('A')
print(grouped.size())  # 返回 Series，顯示每組數量

# DataFrameGroupBy：對整個 DataFrame 分組
grouped_df = df.groupby('name')
print(type(grouped_df))  # DataFrameGroupBy

# SeriesGroupBy：對單一列分組
grouped_series = df['name'].groupby(df['name'])
# 或者
grouped_series = df.groupby('name')['name']
print(type(grouped_series))  # SeriesGroupBy

for name, group in df_dup.groupby('name'):
    print(f"\n{name} 組的內容：")
    print(group)
    print(f"類型：{type(group)}")
    print(f"shape：{group.shape}")
    print(f"size：{group.size}")

#  推薦：使用 GroupBy.size() 方法
result = df.groupby('name').size()

#  推薦：使用 value_counts()
result = df['name'].value_counts()

#  小心：遍歷時要用 len() 而不是 .size
for name, group in df.groupby('name'):
    count = len(group)  # 正確
    # count = group.size  # 錯誤（會得到總元素數）

grouped = df.groupby('name')

# 檢查是否為 GroupBy 物件
print(hasattr(grouped, 'size'))   # False (沒有 size 屬性)
print(callable(getattr(grouped, 'size', None)))  # True (有 size() 方法)

# 檢查遍歷時的內容
for name, group in grouped:
    print(f"Group 類型：{type(group)}")
    break

# 場景 1：統計重複值數量
duplicates_count = df[df.duplicated()].groupby('name').size()

# 場景 2：計算每組佔比
group_sizes = df.groupby('category').size()
percentages = group_sizes / len(df) * 100

# 場景 3：篩選大於特定數量的組
large_groups = group_sizes[group_sizes > 10]

import pandas as pd

# 建立範例數據
data = {'name': ['Alice', 'Bob', 'Alice', 'Charlie', 'Bob', 'Alice']}
df = pd.DataFrame(data)
print(df)