Python 3.x 如何按列中选定的行值分组，并将其分配给df中的新列？

我想要一个新的列，比如说

C

，在那里我可以在

Id

级别获得

B=6

的分组值

Id  B
1   6
2   13
1   6
2   6
1   6
2   6
1   10
2   6
2   6
2   6

Comapre value by for

=

，转换为整数，并用于由

sum

填充的新列，每组：

Id  B   No_of_6
1   6   3
2   13  5
1   6   3
2   6   5
1   6   3
2   6   5
1   10  3
2   6   5
2   6   5
2   6   5

通常根据您的条件创建布尔掩码，并通过以下步骤：

df['No_of_6'] = df['B'].eq(6).astype(int).groupby(df['Id']).transform('sum')
#alternative
#df['No_of_6'] = df.assign(B= df['B'].eq(6).astype(int)).groupby('Id')['B'].transform('sum')
print (df)
   Id   B  No_of_6
0   1   6        3
1   2  13        5
2   1   6        3
3   2   6        5
4   1   6        3
5   2   6        5
6   1  10        3
7   2   6        5
8   2   6        5
9   2   6        5

---

使用

map

的解决方案。此解决方案将在

Id

没有编号

6的组上返回
NaN

mask = df['B'].eq(6)
#alternative
#mask = (df['B'] == 6)
df['No_of_6'] = mask.astype(int).groupby(df['Id']).transform('sum')

如果我想使用多个条件，比如B=6&B=5 | B=7，该怎么办？@Abhaykumar-添加了一般解决方案-只需像您一样更改
mask
need@jottbe-没有，因为熊猫开发者在熊猫0.25中与虫子打交道，所以没有时间回答。；）对我来说，编码就像业余爱好；）
mask = df['B'].eq(6)
#alternative
#mask = (df['B'] == 6)
df['No_of_6'] = mask.astype(int).groupby(df['Id']).transform('sum')

df['No_of_6'] = df.Id.map(df[df.B.eq(6)].groupby('Id').B.count())

Out[113]:
   Id   B  No_of_6
0   1   6        3
1   2  13        5
2   1   6        3
3   2   6        5
4   1   6        3
5   2   6        5
6   1  10        3
7   2   6        5
8   2   6        5
9   2   6        5