Python 带条件公式的Pandas-Groupby

考虑到上述数据帧，是否有一种优雅的方法可以通过条件

groupby

？ 我想根据以下条件将数据分成两组：

   Survived  SibSp  Parch
0         0      1      0
1         1      1      0
2         1      0      0
3         1      1      0
4         0      0      1

m1 = (df['SibSp'] > 0) | (df['Parch'] > 0)

df = df.groupby(np.where(m1, 'Has Family', 'No Family'))['Survived'].mean()
print (df)
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

然后采用这两个组的方法，得到如下输出：

(df['SibSp'] > 0) | (df['Parch'] > 0) =   New Group -"Has Family"
 (df['SibSp'] == 0) & (df['Parch'] == 0) = New Group - "No Family"

---

是否可以使用groupby完成，或者我是否必须使用上述条件语句追加一个新列？

如果列

SibSp

和

Parch

中的never值小于

0

，请仅使用一个条件：

               SurvivedMean
 Has Family    Mean
 No Family     Mean

如果无法使用，则首先使用两种条件：

   Survived  SibSp  Parch
0         0      1      0
1         1      1      0
2         1      0      0
3         1      1      0
4         0      0      1

m1 = (df['SibSp'] > 0) | (df['Parch'] > 0)

df = df.groupby(np.where(m1, 'Has Family', 'No Family'))['Survived'].mean()
print (df)
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

---

一种简单的分组方法是使用这两列的总和。如果其中一个为正，则结果将大于1。groupby接受任意数组，只要长度与数据帧的长度相同，就不需要添加新列

m1 = (df['SibSp'] > 0) | (df['Parch'] > 0)
m2 = (df['SibSp'] == 0) & (df['Parch'] == 0)
a = np.where(m1, 'Has Family', 
    np.where(m2, 'No Family', 'Not'))

df = df.groupby(a)['Survived'].mean()
print (df)
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

---

您可以在列表中定义条件，并使用下面的函数

按条件分组

，为每个条件创建筛选列表。之后，您可以使用模式匹配选择结果项：

family = np.where((df['SibSp'] + df['Parch']) >= 1 , 'Has Family', 'No Family')
df.groupby(family)['Survived'].mean()
Out: 
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

---

这看起来像是布尔索引的工作。您的df是用二进制编码的吗？如果是这样，您可以使用pandas方法获取{}。否则，是的，我建议/认为您应该创建一个新列（我认为您只需要一个列）来执行groupby on。如果我对您正在做的事情有更好的了解，我可以帮助您编写一些代码！另外，考虑到您想要的输出，您似乎还需要旋转db！