Pandas 如何在大熊猫的条件下进行分组？

我有一张像下面这样的桌子

日期 火车 条件1 条件2 第1天 1111 真的 0 第2天 2222 假的 2. 尝试通过

groupby（）

和

agg（）

方法：

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

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

最后使用

astype（）

方法：

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

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

输出的输出

：

    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']

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

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

---

注意，如果

条件1

是一个布尔列，在进行求和时，python将

True

视为

1

，将

False

视为

0

。

为了提高性能，请在groupby之前将

True

的值与

0

类似，然后在，对于新列，使用带空格的名称

**

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  

---

agg（**）的含义是什么？为什么我们需要**来表示agg？事实上，我发现如果您想要的输出列名不是有效的Python关键字，那么构建一个字典并解压关键字参数。如果我们需要多个条件呢？