Python groupby lambda和填充空行

我有一个数据帧，我试图返回列pass\u count

第一个groupby名称，第二个，检查状态并计算给定名称的通过次数

我的代码：

status  name    date        count  pass_count
pass    john    2003-04-22  4       2
fail    cici    2003-04-22  4       1
pass    john    2004-04-22  4       2
pass    john    2004-04-22  4       2
fail    lily    2006-05-23  3       0
        lily    2006-05-23  3       0
pass    cici    2008-05-23  3       1
        cici    2008-05-23  3       0

代码不起作用，我尝试使用

fillna（'NaN'）

或

fillna（'0'）

填充空的“status”行，但空的“status”行仍然存在吗

---

有人知道如何修复此代码吗？

假设您的数据帧还没有

pass\u count

列（如果有，只需使用

df.drop（'pass\u count'，axis=1）

现在，让我们计算通过次数，并将其放入数据帧中：

df['pass_count'] = df.groupby(['name'])['status'].apply(lambda x: x == 'Pass')

我们现在有以下数据帧，每个名称都有正确的计数：

npass = df.groupby('name')['status'].apply(lambda x: len(x[x == 'pass']))
npass = npass.to_frame(name='pass_count').reset_index()

剩下要做的就是合并两个数据帧：

In [127]: npass
Out[127]: 
   name  pass_count
0  cici           1
1  john           3
2  lily           0

---

在数据帧中有

pass\u count

列。

假设您的数据帧还没有

pass\u count

列（如果有，只需使用

df.drop（'pass\u count'，axis=1）

现在，让我们计算通过次数，并将其放入数据帧中：

df['pass_count'] = df.groupby(['name'])['status'].apply(lambda x: x == 'Pass')

我们现在有以下数据帧，每个名称都有正确的计数：

npass = df.groupby('name')['status'].apply(lambda x: len(x[x == 'pass']))
npass = npass.to_frame(name='pass_count').reset_index()

剩下要做的就是合并两个数据帧：

In [127]: npass
Out[127]: 
   name  pass_count
0  cici           1
1  john           3
2  lily           0

---

数据帧中有

pass\u count

列。

您的代码缺少

transform（）

，它返回与原始对象长度相同的数据帧

In [128]: pd.merge(df, npass)
Out[128]: 
  status  name        date  count  pass_count
0   pass  john  2003-04-22      4           3
1   pass  john  2004-04-22      4           3
2   pass  john  2004-04-22      4           3
3   fail  cici  2003-04-22      4           1
4   pass  cici  2008-05-23      3           1
5    NaN  cici  2008-05-23      3           1
6   fail  lily  2006-05-23      3           0
7    NaN  lily  2006-05-23      3           0

要填充空状态列，您的数据可能包含空格，因此您可以使用：

df['pass_count'] = df.groupby('name')['status'].transform(lambda x: len(x[x == 'pass']))

这将产生：

df['status'].replace(r'^\s+$', np.nan, regex=True,inplace=True) 

---

您的代码缺少

transform（）

，它返回与原始对象长度相同的数据帧

In [128]: pd.merge(df, npass)
Out[128]: 
  status  name        date  count  pass_count
0   pass  john  2003-04-22      4           3
1   pass  john  2004-04-22      4           3
2   pass  john  2004-04-22      4           3
3   fail  cici  2003-04-22      4           1
4   pass  cici  2008-05-23      3           1
5    NaN  cici  2008-05-23      3           1
6   fail  lily  2006-05-23      3           0
7    NaN  lily  2006-05-23      3           0

要填充空状态列，您的数据可能包含空格，因此您可以使用：

df['pass_count'] = df.groupby('name')['status'].transform(lambda x: len(x[x == 'pass']))

这将产生：

df['status'].replace(r'^\s+$', np.nan, regex=True,inplace=True)