Split-Apply-Combine 聚合 Pandas 数据框中的行答案

【问题标题】：Split-Apply-Combine to aggregate rows in Pandas dataframeSplit-Apply-Combine 聚合 Pandas 数据框中的行
【发布时间】：2020-02-24 05:41:22
【问题描述】：

我正在尝试在以下 pandas 数据帧上运行 split-apply-combine。我想为每个唯一的客户代码显示 col1 值小于或等于 0 的行数，以及 col1 值大于 0 的行数。

所以这张表：

    cust_code   col1    col2
0   113231413   -10     2795.19 
1   113231413   20      1485.76 
2   113231413   25      6201.18 
3   113231413   -25     1502.40 
4   526242422   -23     6470.12 
5   526242422   0       14011.28    
6   414314134   0       12426.78    
7   414314134   26      12104.77

变成：

           cust_code    count1 count2   
0          113231413      2      2      
1          526242422      2      0      
2          414314134      1      1

我知道第一步是使用 groupby，但我不确定下一步该做什么：

count = df.groupby('cust_code')['cust_code'].count()

【问题讨论】：

鉴于您的问题陈述，您的预期结果没有意义。例如，“col2 值大于 0 的行数”。对于 cust_code 113231413，这应该是 4，而不是每个预期结果的 2。
是的，我的错。我重新表述了这个问题。我希望 count2 是 col1 值（不是 col2 值）大于 0 的行数，按 cust_code 分组。

标签： python pandas split-apply-combine

【解决方案1】：

对于熊猫 >= 0.25 尝试：

df.groupby('cust_code')['col1'].agg(count1=(lambda s: s.loc[s <= 0].count()), 
                                    count2=(lambda s: s.loc[s > 0].count())).reset_index()

   cust_code  count1  count2
0  113231413       2       2
1  414314134       1       1
2  526242422       2       0

或者对于旧版 pandas：

df1 = df.groupby('cust_code').agg(
          {'col1': [lambda s: s.loc[s <= 0].count(),
                    lambda s: s.loc[s > 0].count()]
          }
      ).reset_index()
df1.columns=['cust_code','count1','count2']
df1
   cust_code  count1  count2
0  113231413       2       2
1  414314134       1       1
2  526242422       2       0

【讨论】：

【解决方案2】：

如果性能很重要，请不要按组过滤，因为如果有很多组，速度会很慢。更好的是创建由掩码填充的新列，转换为整数并聚合sum：

df1 = (df.assign(col1=df['col1'].le(0).astype(int),
               col2=df['col1'].gt(0).astype(int))
        .groupby('cust_code',sort=False)[['col1','col2']]
        .sum())
print   (df)1
           col1  col2
cust_code            
113231413     2     2
526242422     2     0
414314134     1     1

【讨论】：