Python pandas-查找每个用户的首次出现次数

我有一个熊猫数据框，如下所示：

 userID   value   step
  1        bad     1
  1        bad     2
  1        good    3
  2        good    1
  2        bad     2
  ...
  3000     good    200

用户多次为某个值打分。它可以是坏的，也可以是好的，并且有一个步骤编号跟踪用户得分的次数

我想在这一步中第一次发现一个用户对每个用户的评分都很好。例如，对于用户1，它将是3，对于用户2，它将是1，等等

---

然后计算用户的第一步/总步的分数。例如，对于第一个用户，它将是3/3，对于第二个用户，它将是1/2。

思想是用缺少的值替换

步骤

值，如果不匹配

良好

比较，则创建新的列，然后根据，对于第一个非

NaN

值，通过与进行聚合，并按进行计数，将

系列

除以并最后转换为

数据帧

：

---

想法是用缺少的值替换

步骤

值，如果不匹配

良好

比较，则创建新列，然后对第一个非

NaN

值进行聚合，然后计数，除以，最后将

系列

转换为

数据帧

：

df = (df.assign(new = df['step'].where(df['value'].eq('good')))
        .groupby('userID')
        .agg({'new':'first', 'value':'size'})
        .eval('new / value')
        .reset_index(name='score')
        )
print (df)
   userID  score
0       1    1.0
1       2    0.5
2    3000  200.0