按其他列值汇总行-Python/Pandas中的Countif

我有一个数据集df：

customer action    date
1049381  share    9/29/2017
1049381  level_up 10/6/2017
105460   share    9/22/2017
105460   share    9/23/2017
105668   level_up 9/8/2017
105668   share    9/8/2017
105668   level_up 9/18/2017
105668   share    9/18/2017
105668   share    9/20/2017
905669   share    9/25/2017
905669   level_up 9/25/2017

我想统计（总结）用户在同一天“升级”和“共享”的情况。像这样：

customer  share_wth_level_up
1049381         0
105460          0
105668          2
905669          1

我从

pandas

开始，但是我找不到解决方案，因为它没有为每一行提供一个汇总的df（唯一）

---

结果

使用

复制

首先过滤df，然后我们按客户和日期分组，以检查所有多个

唯一的

值

 s=df[df.groupby('customer').date.apply(pd.Series.duplicated,keep=False)].groupby(['customer','date']).action.nunique()
(s[s==2]//2).sum(level=0).reindex(df.customer.unique(),fill_value=0)
Out[166]: 
customer
1049381    0
105460     0
105668     2
905669     1
Name: action, dtype: int64

---

一种解决方案是使用

GroupBy

+

nunique

并测试长度是否等于2。然后使用

GroupBy

+

sum

合计这些实例

df_grp = df.groupby(['customer', 'date'])['action'].nunique() == 2
res = df_grp.groupby('customer').sum().astype(int)

print(res)

customer
105460     0
105668     2
905669     1
1049381    0
Name: action, dtype: int32

df_grp = df.groupby(['customer', 'date'])['action'].nunique() == 2
res = df_grp.groupby('customer').sum().astype(int)

print(res)

customer
105460     0
105668     2
905669     1
1049381    0
Name: action, dtype: int32