提问人：Hack-R 提问时间：10/9/2017 更新时间：10/9/2017 访问量：658
将组中满足条件的行数追加到 Pandas 数据帧
Append count of rows meeting a condition within a group to Pandas dataframe
问：
我知道如何附加一列来计算组中的元素数，但我只需要为该组中满足特定条件的数字这样做。
例如，如果我有以下数据：
import numpy as np
import pandas as pd
columns=['group1', 'value1']
data = np.array([np.arange(5)]*2).T
mydf = pd.DataFrame(data, columns=columns)
mydf.group1 = [0,0,1,1,2]
mydf.value1 = ['P','F',100,10,0]
valueslist={'50','51','52','53','54','55','56','57','58','59','60','61','62','63','64','65','66','67','68','69','70','71','72','73','74','75','76','77','78','79','80','81','82','83','84','85','86','87','88','89','90','91','92','93','94','95','96','97','98','99','100','A','B','C','D','P','S'}
因此，我的数据帧如下所示：
mydf
group1 value1 0 0 P 1 0 F 2 1 100 3 1 10 4 2 0
然后，我想计算每个值中的行数。group1value1valuelist
我想要的输出是：
group1 value1 count 0 0 P 1 1 0 F 1 2 1 100 1 3 1 10 1 4 2 0 0
答：
2赞
DSM
10/9/2017
#1
更改 value1 列的类型以匹配 valueslist 后（或相反），您可以使用 获取 True/False 列，并使用 将其转换为 1 和 0。然后我们可以应用一个普通的 groupby 变换：isinastype(int)
In [13]: mydf["value1"] = mydf["value1"].astype(str)
In [14]: mydf["count"] = (mydf["value1"].isin(valueslist).astype(int)
.groupby(mydf["group1"]).transform(sum))
In [15]: mydf
Out[15]:
group1 value1 count
0 0 P 1
1 0 F 1
2 1 100 1
3 1 10 1
4 2 0 0
评论
0赞
Hack-R
10/9/2017
看起来很棒，非常感谢。既然有字符，我就认为我们应该使用 but not .这对我有用，再次感谢。valuelistastype(str)astype(int)
1赞
Ted Petrou
10/9/2017
#2
您可以按每个 group1 进行分组，然后使用转换来查找您的值是否在列表中的最大值。
mydf['count'] = mydf.groupby('group1').transform(lambda x: x.astype(str).isin(valueslist).sum())
group1 value1 count
0 0 P 1
1 0 F 1
2 1 100 1
3 1 10 1
4 2 0 0
1赞
BENY
10/9/2017
#3
mydf.value1=mydf.value1.astype(str)
mydf['count']=mydf.group1.map(mydf.groupby('group1').apply(lambda x : sum(x.value1.isin(valueslist))))
mydf
Out[412]:
group1 value1 count
0 0 P 1
1 0 F 1
2 1 100 1
3 1 10 1
4 2 0 0
数据输入：
valueslist=['50','51','52','53','54','55','56','57','58','59','60','61','62','63','64','65','66','67','68','69','70','71','72','73','74','75','76','77','78','79','80','81','82','83','84','85','86','87','88','89','90','91','92','93','94','95','96','97','98','99','100','A','B','C','D','P','S']
0赞
eagle
10/9/2017
#4
这里有一种方法可以做到这一点，尽管是单行的：
mydf.merge(mydf.groupby('group1').apply(lambda x: len(set(x['value1'].values).intersection(valueslist))).reset_index().rename(columns={0: 'count'}), how='inner', on='group1')
group1 value1 count
0 0 P 1
1 0 F 1
2 1 100 1
3 1 10 1
4 2 0 0
评论
value1group11valuelistgroup1value1valuelistvalue1countgroup1group1PF