Python 如何使用，带条件的groupby，然后在DataFrame中使用cumcount

我有以下数据集：

df = pd.DataFrame(
    [
        ['John', 3, Yes],
        ['John', 4, No],
        ['Alex', 2, No],
        ['Alex', 6, No],
        ['John', 7, No],
        ['John', 2, Yes],
        ['Alex', 1, Yes]
    ], columns = ['Name', 'TestType','Test'])

给我：

print(df):

Name        TestType          Test
John         3                 Yes
John         4                 No
Alex         2                 No
Alex         6                 No
John         7                 No
John         2                 Yes 
Alex         1                 Yes 

该表是按时间顺序排列的，因此我试图实现的是

TestType

小于5的测试的最新计数，以及

TestType

小于5的人员所进行的测试的百分比计数

我希望输出为：

print (df):
Name        TestType          Test       TestsUnder5      TestPCunder5
John         3                 Yes            1              100%
John         4                 No             2              50%
Alex         2                 No             1              0%
Alex         6                 Yes            1              0% 
John         7                 No             2              50%
John         2                 Yes            3              67%
Alex         1                 Yes            2              50%

---

我想我需要使用

groupby

和

cumsum

，但不确定如何指定条件，然后执行计算。任何帮助都将不胜感激

快到了！您可以将数学运算符应用于布尔级数，这会将它们强制为整数0或1。对于TestsUnder5，看起来这可能会起作用：

df['TestsUnder5']=（df.TestType<5）.groupby（df.Name）.apply（np.cumsum）

类似地，对于百分比，您可以使用二进制并集来获得5以下的测试：

df['TestPCunder5']=(
(
（（df.Test=='Yes'）&（df.TestType<5））
.groupby（df.Name）.apply（np.cumsum）
)/df['TestsUnder5']
)

您的示例结果似乎是格式为“{：.0%}”的字符串。如果这就是您要查找的内容，则可以将此列强制为字符串：

df['TestPCunder5']=df['TestPCunder5'].apply（“{.0%}.”格式）

快到了！您可以将数学运算符应用于布尔级数，这会将它们强制为整数0或1。对于TestsUnder5，看起来这可能会起作用：

df['TestsUnder5']=（df.TestType<5）.groupby（df.Name）.apply（np.cumsum）

类似地，对于百分比，您可以使用二进制并集来获得5以下的测试：

df['TestPCunder5']=(
(
（（df.Test=='Yes'）&（df.TestType<5））
.groupby（df.Name）.apply（np.cumsum）
)/df['TestsUnder5']
)

您的示例结果似乎是格式为“{：.0%}”的字符串。如果这就是您要查找的内容，则可以将此列强制为字符串：

df['TestPCunder5']=df['TestPCunder5'].apply（“{.0%}.”格式）

这是我的方法：

newdf = (df.assign(TestUnder5=df.TestType.lt(5),
          TestTaken=df.TestType.lt(5) & df.Test.eq('Yes')
         )
   .groupby('Name')
   [['TestUnder5','TestTaken']]
   .cumsum()
)

# update original dataframe
df['TestUnder5'] = newdf['TestUnder5']
df['TestPCunder5'] = newdf['TestTaken']/newdf['TestUnder5']

输出：

   Name  TestType Test  TestUnder5  TestPCunder5
0  John         3  Yes         1.0      1.000000
1  John         4   No         2.0      0.500000
2  Alex         2   No         1.0      0.000000
3  Alex         6   No         1.0      0.000000
4  John         7   No         2.0      0.500000
5  John         2  Yes         3.0      0.666667
6  Alex         1  Yes         2.0      0.500000

这是我的方法：

newdf = (df.assign(TestUnder5=df.TestType.lt(5),
          TestTaken=df.TestType.lt(5) & df.Test.eq('Yes')
         )
   .groupby('Name')
   [['TestUnder5','TestTaken']]
   .cumsum()
)

# update original dataframe
df['TestUnder5'] = newdf['TestUnder5']
df['TestPCunder5'] = newdf['TestTaken']/newdf['TestUnder5']

输出：

   Name  TestType Test  TestUnder5  TestPCunder5
0  John         3  Yes         1.0      1.000000
1  John         4   No         2.0      0.500000
2  Alex         2   No         1.0      0.000000
3  Alex         6   No         1.0      0.000000
4  John         7   No         2.0      0.500000
5  John         2  Yes         3.0      0.666667
6  Alex         1  Yes         2.0      0.500000

---

这太棒了。非常感谢@Michale Delgado！这对我来说很有意义，所以我应该能够将这些应用到其他专栏中。这太棒了。非常感谢@Michale Delgado！这对我来说是有意义的，所以应该能够将这些应用到其他专栏。非常感谢你的回复！我最终选择了Michale的解决方案，但这看起来同样不错！非常感谢您的回复！我最终选择了Michale的解决方案，但这看起来同样不错！