Python 熊猫：对于特定列中的所有重复条目集，获取第2部分中的一些信息

所以我最近问了一个关于这组数据的问题（）

现在我有这个代码：

df.groupby('ID_Code').apply(lambda x: (x[['Status1','Status2']] == 'Not').all(1).sum()/len(x)*100)

这给了我这个输出：

 ID_Code
 A     0.000000
 B    50.000000
 C    66.666667
 dtype: float64

我想知道的是做同样的事情，但给一个额外的日期栏。因此，重申一下，我希望每天每个ID_代码的Not百分比

     ID_Code    Status1    Status2    Date
0      A          Done       Not     01-23-18
1      A          Done       Done    01-23-18
2      B          Not        Not     01-24-18
3      B          Not        Done    01-24-18
4      C          Not        Not     01-24-18
5      C          Not        Not     01-25-18
6      C          Done       Done    01-25-18

---

只需将

Date

添加到您的groupby：

df.groupby(['ID_Code','Date']).apply(lambda x: (x[['Status1','Status2']] == 'Not').all(1).sum()/len(x)*100)

ID_Code  Date    
A        01-23-18      0.0
B        01-24-18     50.0
C        01-24-18    100.0
         01-25-18     50.0
dtype: float64

# To get as a standard dataframe, add in `.reset_index()`
# df.groupby(['ID_Code','Date']).apply(lambda x: (x[['Status1','Status2']] == 'Not').all(1).sum()/len(x)*100).reset_index()

---

谢谢工作得很好。

df.groupby(['ID_Code','Date']).apply(lambda x: (x[['Status1','Status2']] == 'Not').all(1).sum()/len(x)*100)

ID_Code  Date    
A        01-23-18      0.0
B        01-24-18     50.0
C        01-24-18    100.0
         01-25-18     50.0
dtype: float64

# To get as a standard dataframe, add in `.reset_index()`
# df.groupby(['ID_Code','Date']).apply(lambda x: (x[['Status1','Status2']] == 'Not').all(1).sum()/len(x)*100).reset_index()