Python 如何创建一个Pandas Groupby对象，其中每列对原始数据都有一个过滤器？

我试图用Pandas复制以下SQL，但它比我预期的要复杂得多：

选择
身份证件
，count（*）
，计数（当某个条件为真时，则为1结束）
，计数（当某个条件为False时，则为1结束）
从桌子上
按id分组

我唯一能想到的是这样的事情：

grouped=df.groupby（'id'））
df_total=grouped.count（）
df_some_condition=grouped.filter（…）.count（）
df_some_other_condition=grouped.filter（…）.count（）
df_total.join（df_some_condition，on='id'）.join（df_some_other_condition，on='id'））

我只是感到惊讶，我不能用groupby（）.count（）生成过滤列，而且我必须创建3个单独的数据帧，然后将它们连接起来。有没有一种我忽略的更简单的方法

注意：这里的语法可能不完全正确，只是快速写了一些东西来说明我的问题

df = pd.DataFrame({'id': [1, 1, 2, 2, 3, 3, 4],
 'val1': [0.0, 48.0, 4.0, 20.0, 24.0, 25.0, 0.0],
 'val2': [0.0, 0.0, 1.0, 40.0, 22.0, 7.0, 13.0]})

df

如何重新创建“选择”

df.assign(result1 = np.where(df['val1']<25, 1,0),
          result2 = np.where(df['val2'] > 4,1,0)).groupby('id').agg(count=('id','size'),
                                                                    res1_sum=('result1',sum),
                                                                    res2_sum=('result2',sum))

df

如何重新创建“选择”

df.assign(result1 = np.where(df['val1']<25, 1,0),
          result2 = np.where(df['val2'] > 4,1,0)).groupby('id').agg(count=('id','size'),
                                                                    res1_sum=('result1',sum),
                                                                    res2_sum=('result2',sum))

---

请添加具有预期输出的输入数据请添加具有预期输出的输入数据

    count   res1_sum    res2_sum
id          
1       2          1           0
2       2          2           1
3       2          1           2
4       1          1           1