Python Pandas 中 DataFrame 的聚合？答案

【问题标题】：Aggregation of DataFrame in Python Pandas?Python Pandas 中 DataFrame 的聚合？
【发布时间】：2021-04-14 19:19:14
【问题描述】：

我有如下数据框：

df = pd.DataFrame({"ID" : ["1", "1", "1", "2", "2", "2", "1"],
                   "status" : ["ac", "not", "not", "ac", np.NaN, "ac", "oth"]})

我需要使用如下列构建 DataFrame：

NumberAcc - 状态为“ac”的 ID 编号
NumberNaN - 状态 = NanN（缺失 -> np.nan）的 ID 数
NumberOther - 状态不是“ac”或 np.nan 的 ID 编号（表示“not”或“oth”）

你能帮我像下面这样构建 DF 吗？

【问题讨论】：

标签： python pandas dataframe sum aggregation

【解决方案1】：

您可以使用条件掩码将任何不是 ac 或 np.nan 的内容替换为 Other 和 groupby.value_counts ，然后使用 add_prefix 取消堆叠和格式化

u = df['status'].where(df['status'].eq("ac")|df['status'].isna(),"Other")

out = (u.groupby(df['ID']).value_counts(dropna=False).unstack(fill_value=0)
        .add_prefix("Number_").reset_index().rename_axis(None,axis=1))

或者;

a = pd.Series(np.select([df['status'].eq("ac"),df['status'].isna()],
              ['acc',np.nan],'other'))
out = (a.groupby(df['ID']).value_counts(dropna=True).unstack(fill_value=0)
        .add_prefix("Numnber_").reset_index())

print(out)

  ID  Number_nan  Number_Other  Number_ac
0  1           0             3          1
1  2           1             0          2

@Shubham 建议的类似逻辑，但使用交叉表：

u = df['status'].where(df['status'].eq("ac")|df['status'].isna(),"Other")
out = (pd.crosstab(df['ID'],u.fillna("NAN"),dropna=False)
   .add_prefix("Number_").rename_axis(None).reset_index())

【讨论】：

很糟糕，但我可以在 .eq() 中添加列列表吗？例如，如果我想添加的不仅仅是“ac”，例如 .eq("ac" ,"bc") 等等？
@jack55 是的，尝试isin insead of eq 获取多个值：u = df['status'].where(df['status'].isin(["ac","bc"])|df['status'].isna(),"Other")
@anky 可以试试crosstab 喜欢pd.crosstab(df['ID'], df['status'].fillna('NaN'))..
太棒了！谢谢我给了你最好的答案！ :)
这太不可思议了，你怎么知道这个问题？猜猜我对 unstack 函数不太熟悉

【解决方案2】：

您可以通过assign 创建列，然后按“ID”分组并求和：

     (df.assign(NumberAcc=df.status.eq("ac"),
                NumberNaN=df.status.isna(),
                NumberOther=lambda df: ~(df.NumberAcc | df.NumberNaN))
        .groupby("ID")
        .sum())

    NumberAcc   NumberNaN   NumberOther
ID          
1       1           0           3
2       2           1           0

【讨论】：