Pandas：添加满足条件的元素的累进计数列答案

【问题标题】：Pandas: add column with progressive count of elements meeting a conditionPandas：添加满足条件的元素的累进计数列
【发布时间】：2019-01-17 00:47:18
【问题描述】：

给定以下数据框df：

df = pd.DataFrame({'A':['Tony', 'Mike', 'Jen', 'Anna'], 'B': ['no', 'yes', 'no', 'yes']})

    A    B
0   Tony no 
1   Mike yes
2   Jen  no
3   Anna yes

我想添加另一列，逐步计算带有df['B']='yes' 的元素：

    A    B   C
0   Tony no  0
1   Mike yes 1
2   Jen  no  0
3   Anna yes 2

我该怎么做？

【问题讨论】：

标签： python pandas conditional-statements pandas-groupby

【解决方案1】：

您可以将numpy.where 与布尔掩码的cumsum 一起使用：

m = df['B']=='yes'
df['C'] = np.where(m, m.cumsum(), 0)

另一种解决方案是通过过滤创建count布尔掩码，然后通过reindex添加0值：

m = df['B']=='yes'
df['C'] = m[m].cumsum().reindex(df.index, fill_value=0)
print (df)
      A    B  C
0  Tony   no  0
1  Mike  yes  1
2   Jen   no  0
3  Anna  yes  2

性能（实际数据应该不同，最好先检查一下）：

np.random.seed(123)
N = 10000
L = ['yes','no']
df = pd.DataFrame({'B': np.random.choice(L, N)})
print (df)

In [150]: %%timeit
     ...: m = df['B']=='yes'
     ...: df['C'] = np.where(m, m.cumsum(), 0)
     ...: 
1.57 ms ± 34.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [151]: %%timeit
     ...: m = df['B']=='yes'
     ...: df['C'] = m[m].cumsum().reindex(df.index, fill_value=0)
     ...: 
2.53 ms ± 54.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [152]: %%timeit
     ...: df['C'] = df.groupby('B').cumcount() + 1
     ...: df['C'].where(df['B'] == 'yes', 0, inplace=True)

4.49 ms ± 27.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：

【解决方案2】：

您可以使用GroupBy + cumcount 后跟pd.Series.where：

df['C'] = df.groupby('B').cumcount() + 1
df['C'].where(df['B'] == 'yes', 0, inplace=True)

print(df)

      A    B  C
0  Tony   no  0
1  Mike  yes  1
2   Jen   no  0
3  Anna  yes  2

【讨论】：

很好的答案，因为即使您尝试使用非二进制列解决相同的问题，它也可以工作