Python 按分组后，计算数据帧中特定值的数量

我有一个数据框，如下所示：

    userID  Correct
0   1050    F
1   1050    T
2   1050    T
3   1050    F
4   1050    F
5   1050    F
6   1050    F
7   1050    F
8   1050    F
9   1050    F
10  1051    F
11  1051    F
12  1051    F
13  1051    F
14  1051    F
15  1051    T
16  1051    F
17  1051    F
18  1051    F
19  1051    T

我想做的是为每个用户计算“正确”列的T数。也就是说，在我们按userID对数据帧进行分组之后，我想要一个列，其中包含该用户的T数

以下是我所做的，但显然是错误的：

df.groupby('userID').agg({'Correct': lambda x: (x == T).count()})

---

您非常接近，请使用

True

s的

sum

：

df1 = df.groupby('userID').agg({'Correct': lambda x: (x == 'T').sum()})
print (df1)
        Correct
userID         
1050          2
1051          2

但最好先过滤，然后计数：

df1 = df[df['Correct'] == 'T'].groupby('userID').size().to_frame('Correct')
print (df1)
        Correct
userID         
1050          2
1051          2

对于添加

0

对于没有

T的
userID
添加：

这将考虑所有的“F”和返回0：）/P>
输入数据：
df1
Out[372]: 
    userID Correct
0     1050       F
1     1050       T
2     1050       T
3     1050       F
4     1050       F
5     1050       F
6     1050       F
7     1050       F
8     1050       F
9     1050       F
10    1051       F
11    1051       F
12    1051       F
13    1051       F
14    1051       F
15    1051       F
16    1051       F
17    1051       F
18    1051       F
19    1051       F

使用sum会得到奇怪的结果。例如，用户1050有两个T，但sum只返回1。另外，预先过滤T不起作用，因为我还需要零作为计数。我不希望每个用户的t计数都丢失零。我为它添加了
reindex
——它为所有
userID
添加了
0
，没有
t
。
df1.groupby('userID').Correct.apply(lambda x : len(x[x=='T']))

Out[371]: 
userID
1050    2
1051    0

df1
Out[372]: 
    userID Correct
0     1050       F
1     1050       T
2     1050       T
3     1050       F
4     1050       F
5     1050       F
6     1050       F
7     1050       F
8     1050       F
9     1050       F
10    1051       F
11    1051       F
12    1051       F
13    1051       F
14    1051       F
15    1051       F
16    1051       F
17    1051       F
18    1051       F
19    1051       F