Python 3.x 具有groupby条件的新列在dataframe中不工作

我有一个如下所示的数据帧：

df=
['user_id','session_id','purchase']
[1,34,'yes']
[1,35,'no']
[2,36,'no']

df=
['user_id','session_id','purchase',purchase_yes','purchase_no']
[1,34,'yes',1,1]
[1,35,'no' ,1,1]
[2,36,'no' ,0,1]

现在，我想创建两个新列，汇总每个用户的所有购买。请注意，对于同一用户，它应该在这些新列中粘贴相同的值，如下所示：

df=
['user_id','session_id','purchase']
[1,34,'yes']
[1,35,'no']
[2,36,'no']

df=
['user_id','session_id','purchase',purchase_yes','purchase_no']
[1,34,'yes',1,1]
[1,35,'no' ,1,1]
[2,36,'no' ,0,1]

我试过这个，但不起作用：

df['purchase_yes'] = df[df.purchase == 'yes'].groupby("user_id").purchase.sum()

它向我显示Nan值。

尝试以下操作：

new_df = df.groupby('user_id').purchase.value_counts().unstack(fill_value=0)

# you can also use either of these
# new_df = pd.crosstab(df.user_id, df.purchase)
# new_df = df.pivot_table(index='user_id', columns='purchase', aggfunc='count', fill_value=0)

# rename the columns of new data
new_df.columns = 'purchase_'+new_df.columns

# merge the new data with the old on user_id
df.merge(new_df, left_on='user_id', right_index=True)

输出：

   user_id  session_id purchase  purchase_no  purchase_yes
0        1          34      yes            1             1
1        1          35       no            1             1
2        2          36       no            1             0

---

您可以使用

groupby

和

value\u counts

获得总和：

a=df.groupby(['user_id'])['purchase'].value_counts().unstack(fill_value=0)
print(a)

purchase    no  yes
user_id     
1            1    1
2            1    0

然后使用：

输出：

   user_id  session_id purchase  purchase_yes  purchase_no
0        1          34      yes             1           1
1        1          35       no             1           1
2        2          36       no             0           1