Python 如何使用pandas计算错误百分比（groupby）？

嗨，我有一个数据框，里面有日期信息。我想计算CampainAction日期（此活动日期应早于今天的日期。如果晚于今天的日期，则错误！！）和按国家分组的错误率

有人能告诉我如何使用lambda或任何函数计算错误百分比吗

---

感谢您的帮助。

您可以将日期转换为

日期时间

，然后创建一个布尔列，指示它是否为错误。然后只需

groupby

+

mean

即可获得百分比

import pandas as pd

# Create datetimes.
df['CampaignAction Date'] = pd.to_datetime(df['CampaignAction Date'], errors='coerce')
df['Today'] = pd.to_datetime(df['Today'], errors='coerce')

# Create an Error column
mask = df['CampaignAction Date'].notnull()
df.loc[mask, 'Error_per'] = (df.loc[mask,'CampaignAction Date'] >= df.loc[mask, 'Today']).astype(float)

df.groupby('Country').Error_per.mean().reset_index()

产出：（前两个国家）

---

以下是一些示例数据：

  Country CampaignAction Date      Today
0   China           5/20/2018  9/20/2018
1   China           6/30/2018  9/20/2018
2   China           1/30/2018  9/20/2018
3   China           3/30/2018  9/20/2018
4   China                      9/20/2018
5   China          10/31/2018  9/20/2018
6  Brazil           6/30/2018  9/20/2018
7  Brazil           5/21/2019  9/20/2018

---

您想如何处理没有日期的列？假设它们总是有效的，或者无效的，或者从错误率中排除它们？我相信排除那些缺少的值…非常感谢！！有帮助

  Country CampaignAction Date      Today
0   China           5/20/2018  9/20/2018
1   China           6/30/2018  9/20/2018
2   China           1/30/2018  9/20/2018
3   China           3/30/2018  9/20/2018
4   China                      9/20/2018
5   China          10/31/2018  9/20/2018
6  Brazil           6/30/2018  9/20/2018
7  Brazil           5/21/2019  9/20/2018