如何根据熊猫的条件分组？答案

【问题标题】：How to groupby with conditions in pandas?如何根据熊猫的条件分组？
【发布时间】：2021-08-27 01:57:04
【问题描述】：

我有一张如下表

date	train	condition 1	condition 2
day1	1111	true	0
day2	2222	false	2

.....

我想将火车与日期分组，

date	train total count	train with condition 1 is true	train with condition 2 > 0	train with condition 1 true and condition 2>0
day1	1	1	0	0
day2	1	0	1	0

如何使用 pandas 实现这一目标？

【问题讨论】：

标签： pandas dataframe group-by

【解决方案1】：

为了提高性能比较 greater like 0 在 groupby 到帮助列之前，然后聚合 count 和 sum 以计数 Trues 值在 named aggregation 中，对于带有空格的新列名称使用 @ 987654327@解包技巧：

df1 = (df.assign(new = df['condition 2'].gt(0))
         .groupby('date')
         .agg(**{'train total count': ('train', 'count'), 
                 'train with condition 1 is true': ('condition 1','sum'), 
                 'train with condition 2 > 0':('new','sum')})
         .reset_index())

print (df1)
   date  train total count  train with condition 1 is true  \
0  day1                  1                               1   
1  day2                  1                               0   

   train with condition 2 > 0  
0                           0  
1                           1

【讨论】：

agg(**)是什么意思？
为什么 agg 需要 **？
其实我找到了如果你想要的输出列名不是有效的Python关键字，构造一个字典，解压关键字参数。
如果我们在这里想要多个条件怎么办？

【解决方案2】：

您可以使用 .agg() 方法为不同的列应用不同的聚合。

试试这个：

df.groupby('date').agg({'train':'count',
                        'condition 1':'sum', 
                        'condition 2': lambda x: (x>0).sum()})

输出：

       train    condition 1   condition 2
date            
day1     1           1             0
day2     1           0             1

请注意，如果condition 1 是一个布尔列，python 在求和时将True 视为1 和False 视为0。

【讨论】：

【解决方案3】：

 Print (df)

   date  train  condition 1  condition 2
0  day1   1111         True            0
1  day2   2222        False            2



df['condition 1']=df['condition 1'].astype(int)

让我们试试 groupby agg

df.groupby('date').agg(traintotalcount=('train', 'count'), trainwithcondition1istrue=('condition 1', lambda x: x.astype(int)), trainwithcondition2gt0=('condition 2', lambda x: int(x>0)))

结果

      traintotalcount  trainwithcondition1istrue  trainwithcondition2gt0
date                                                                    
day1                1                          1                       0
day2                1                          0                       1

【讨论】：

【解决方案4】：

通过groupby() 和agg() 方法尝试：

out=(df.groupby('date',as_index=False)
       .agg(
           {'train':'count','condition 1':lambda x:x,'condition 2':lambda x:x.gt(0)}
           )
     )

最后使用astype()方法：

out[['condition 1','condition 2']]=out[['condition 1','condition 2']].astype(int)

out的输出：

    date    train   condition 1     condition 2
0   day1    1       1                   0
1   day2    1       0                   1

如果需要更改列的名称，请使用：

out.columns=['date','train total count','train with condition 1 is true','train with condition 2']

【讨论】：