Python Groupby计数仅当某个值出现在表中的某一列中时
我有一个类似于下面提到的数据库的数据帧:Python Groupby计数仅当某个值出现在表中的某一列中时,python,pandas,dataframe,pandas-groupby,Python,Pandas,Dataframe,Pandas Groupby,我有一个类似于下面提到的数据库的数据帧: +------------+-----+--------+ |时间| id |状态| +------------+-----+--------+ |1451606400 | id1 |是| |1451606400 | id1 |是| |1456790400 | id2 |编号| |1456790400 | id2 |是| |1456790400 | id2 |编号| +------------+-----+--------+ 我按照上面提到的所有列进行分
+------------+-----+--------+
|时间| id |状态|
+------------+-----+--------+
|1451606400 | id1 |是|
|1451606400 | id1 |是|
|1456790400 | id2 |编号|
|1456790400 | id2 |是|
|1456790400 | id2 |编号|
+------------+-----+--------+
我按照上面提到的所有列进行分组,并且我能够使用下面的命令成功地获得名为'count'
的不同列中的计数:
df.groupby(['time','id','status']).size().reset_index(name='count')
但我只希望上述数据框中状态为“是”的行中的计数,其余应为“0”
期望输出:
+------------+-----+--------+---------+
|时间| id |状态|计数|
+------------+-----+--------+---------+
|1451606400 | id1 |是| 2|
|1456790400 | id2 |是| 1|
|1456790400 | id2 | No | 0|
+------------+-----+--------+---------+
我试图用以下代码计算状态='Yes'
:
df[df['status']=='Yes'].groupby(['time','id','status']).size().reset_index(name='count')
这显然给了我那些状态为“是”的行,并丢弃了其余的行。我想要被丢弃的那些count=0
有没有办法得到结果
提前谢谢 将lambda函数用于计数sum
boolenaTrue
值过程,如1
:
df1 = (df.groupby(['time','id','status'])
.apply(lambda x: (x['status']== 'Yes').sum())
.reset_index(name='count'))
或创建新列并聚合sum
:
df1 = (df.assign(A=df['status']=='Yes')
.groupby(['time','id','status'])['A']
.sum()
.astype(int)
.reset_index(name='count'))
非常类似的解决方案,没有新列,但可读性稍差:
df1 = ((df['status']=='Yes')
.groupby([df['time'],df['id'],df['status']])
.sum()
.astype(int)
.reset_index(name='count'))
print (df)
time id status count
0 1451606400 id1 Yes 2
1 1456790400 id2 No 0
2 1456790400 id2 Yes 1
如果您不介意稍微不同的输出格式,您可以:
结果是一种更有效的存储数据的方法,因为您不会在每个“是”/“否”类别的单独一行中重复索引。Hey@jezrael,感谢您的回答。。。再来一次!:)我继续做第一个,它就像一个符咒。我会考虑其他的解决方案,如果第一个解决方案效果不好,我会尝试。@ManikanthaNekkalapudi-不客气!第二个解决方案在大数据帧中应该快一点。我无法在上面的解决方案中应用转换将结果推送到原始数据帧。具有上述条件的新列中的结果应位于原始数据帧中,而不是groupby生成的数据帧中。“有什么办法吗?”ManikanthaNekkalapudi-你能解释更多吗?是否需要原始列并通过输出数据创建新列?比如
df['new']=(df.assign(A=df['status']='Yes').groupby(['time','id','status'])['A']).transform('sum').astype(int.).reset_index(name='count'))
Yes,我想计算结果并将结果放回父数据帧。另外,我正在尝试上面的结果解决方案,但在父数据帧中没有得到正确的值。感谢您的回答!不幸的是,我不熟悉交叉表,但如果我找到任何需要的东西,我一定会留意这个答案。
df = pd.DataFrame({'time': [1451606400]*2 + [1456790400]*3,
'id': ['id1']*2 + ['id2']*3,
'status': ['Yes', 'Yes', 'No', 'Yes', 'No']})
res = pd.crosstab([df['time'], df['id']], df['status'])
print(res)
status No Yes
time id
1451606400 id1 0 2
1456790400 id2 2 1