值得一看
双11 12
广告
广告

使用 Pandas 进行分组聚合时,根据条件判断状态列的值

使用 pandas 进行分组聚合时,根据条件判断状态列的值

在数据分析和处理中,Pandas 的 groupby() 和 agg() 函数是非常强大的工具。它们允许我们根据一个或多个列对数据进行分组,并对每个组应用聚合函数。本文将探讨如何在分组聚合过程中,根据特定列的值来动态确定聚合结果,特别是针对状态列(Status)的处理。

问题描述

假设我们有一个 Pandas 数据帧,其中包含一个名为 Status 的列,该列的值为 ‘OPEN’ 或 ‘CLOSED’。我们的目标是根据其他列(例如 col1, col2, col3)对数据进行分组,并针对每个组的 Status 列应用以下规则:

  • 如果组中存在至少一个 ‘OPEN’ 值,则聚合后的 Status 值为 ‘OPEN’。
  • 否则,聚合后的 Status 值为 ‘CLOSED’。

解决方案

以下介绍几种实现该目标的方案。

方案一:使用 Lambda 函数和 any() 方法

此方案直接在 agg() 函数中使用 lambda 函数,并结合 any() 方法来判断组中是否存在 ‘OPEN’ 值。

import pandas as pd
import numpy as np
# 示例数据
data = {'col1': [1, 1, 2, 2],
'col2': ['A', 'B', 'A', 'B'],
'col3': ['X', 'Y', 'X', 'Y'],
'col4': [10, 20, 30, 40],
'Status': ['OPEN', 'CLOSED', 'CLOSED', 'OPEN']}
df = pd.DataFrame(data)
# 使用 groupby() 和 agg() 函数
df_agg = (df.groupby(['col1', 'col2', 'col3'], as_index=False)
.agg({'col4': 'sum',
'Status': lambda x: 'OPEN' if x.eq('OPEN').any() else 'CLOSED'}))
print(df_agg)

代码解释:

  • df.groupby([‘col1’, ‘col2’, ‘col3’], as_index=False):根据 col1, col2, col3 列对数据进行分组,as_index=False 确保分组列不会变成索引。
  • .agg({‘col4’: ‘sum’, ‘Status’: lambda x: ‘OPEN’ if x.eq(‘OPEN’).any() else ‘CLOSED’}):对分组后的数据进行聚合。col4 列使用 sum 函数进行求和。Status 列使用 lambda 函数进行自定义聚合。
  • lambda x: ‘OPEN’ if x.eq(‘OPEN’).any() else ‘CLOSED’:这是一个 lambda 函数,它接收一个 Series x(即分组后的 Status 列),使用 x.eq(‘OPEN’).any() 判断该 Series 中是否存在值为 ‘OPEN’ 的元素。如果存在,则返回 ‘OPEN’,否则返回 ‘CLOSED’。

方案二:预先转换状态列并使用 max() 函数

此方案首先将 Status 列的值转换为 ‘OPEN’ 或 ‘CLOSED’,然后使用 max() 函数进行聚合。由于 ‘OPEN’ 在字母顺序上大于 ‘CLOSED’,因此 max() 函数会返回 ‘OPEN’,如果组中存在至少一个 ‘OPEN’ 值。

import pandas as pd
import numpy as np
# 示例数据 (与方案一相同)
data = {'col1': [1, 1, 2, 2],
'col2': ['A', 'B', 'A', 'B'],
'col3': ['X', 'Y', 'X', 'Y'],
'col4': [10, 20, 30, 40],
'Status': ['OPEN', 'CLOSED', 'CLOSED', 'OPEN']}
df = pd.DataFrame(data)
# 预先转换状态列并使用 groupby() 和 agg() 函数
df_agg = (df.assign(Status = np.where(df['Status'].eq('OPEN'), 'OPEN', 'CLOSED'))
.groupby(['col1', 'col2', 'col3'], as_index=False)
.agg({'col4': 'sum', 'Status': 'max'}))
print(df_agg)

代码解释:

  • df.assign(Status = np.where(df[‘Status’].eq(‘OPEN’), ‘OPEN’, ‘CLOSED’)):使用 np.where() 函数将 Status 列的值转换为 ‘OPEN’ 或 ‘CLOSED’。
  • .groupby([‘col1’, ‘col2’, ‘col3’], as_index=False):与方案一相同。
  • .agg({‘col4’: ‘sum’, ‘Status’: ‘max’}):对分组后的数据进行聚合。col4 列使用 sum 函数进行求和。Status 列使用 max() 函数进行聚合。

方案三:预先将状态列转换为布尔值并使用 any() 函数

此方案首先将 Status 列的值转换为布尔值(True 表示 ‘OPEN’,False 表示 ‘CLOSED’),然后使用 any() 函数进行聚合。最后,将聚合后的布尔值映射回 ‘OPEN’ 或 ‘CLOSED’。

import pandas as pd
import numpy as np
# 示例数据 (与方案一相同)
data = {'col1': [1, 1, 2, 2],
'col2': ['A', 'B', 'A', 'B'],
'col3': ['X', 'Y', 'X', 'Y'],
'col4': [10, 20, 30, 40],
'Status': ['OPEN', 'CLOSED', 'CLOSED', 'OPEN']}
df = pd.DataFrame(data)
# 预先将状态列转换为布尔值并使用 groupby() 和 agg() 函数
df_agg = (df.assign(Status = df['Status'].eq('OPEN'))
.groupby(['col1', 'col2', 'col3'], as_index=False)
.agg({'col4': 'sum', 'Status': 'any'})
.assign(Status = lambda x: x['Status'].map({True:'OPEN',False:'CLOSED'})))
print(df_agg)

代码解释:

  • df.assign(Status = df[‘Status’].eq(‘OPEN’)):将 Status 列的值转换为布尔值。
  • .groupby([‘col1’, ‘col2’, ‘col3’], as_index=False):与方案一相同。
  • .agg({‘col4’: ‘sum’, ‘Status’: ‘any’}):对分组后的数据进行聚合。col4 列使用 sum 函数进行求和。Status 列使用 any() 函数进行聚合。
  • .assign(Status = lambda x: x[‘Status’].map({True:’OPEN’,False:’CLOSED’})):将聚合后的布尔值映射回 ‘OPEN’ 或 ‘CLOSED’。

注意事项和总结

  • 如果需要测试子字符串 ‘OPEN’ 而不是完整的字符串 ‘OPEN’,可以使用 x.str.contains(‘OPEN’).any() 代替 x.eq(‘OPEN’).any()。
  • 方案二和方案三通常比方案一更有效率,因为它们避免了在 lambda 函数中进行复杂的条件判断。
  • 在实际应用中,可以根据数据的具体情况选择最合适的方案。

总而言之,本文提供了多种方法来解决在 Pandas 分组聚合过程中,根据状态列的值来动态确定聚合结果的问题。通过灵活运用 groupby()、agg()、lambda 函数和 any() 方法,可以高效地处理各种数据分析任务。

温馨提示: 本文最后更新于2025-08-12 22:28:04,某些文章具有时效性,若有错误或已失效,请在下方留言或联系易赚网
文章版权声明 1 本网站名称: 创客网
2 本站永久网址:https://new.ie310.com
1 本文采用非商业性使用-相同方式共享 4.0 国际许可协议[CC BY-NC-SA]进行授权
2 本站所有内容仅供参考,分享出来是为了可以给大家提供新的思路。
3 互联网转载资源会有一些其他联系方式,请大家不要盲目相信,被骗本站概不负责!
4 本网站只做项目揭秘,无法一对一教学指导,每篇文章内都含项目全套的教程讲解,请仔细阅读。
5 本站分享的所有平台仅供展示,本站不对平台真实性负责,站长建议大家自己根据项目关键词自己选择平台。
6 因为文章发布时间和您阅读文章时间存在时间差,所以有些项目红利期可能已经过了,能不能赚钱需要自己判断。
7 本网站仅做资源分享,不做任何收益保障,创业公司上收费几百上千的项目我免费分享出来的,希望大家可以认真学习。
8 本站所有资料均来自互联网公开分享,并不代表本站立场,如不慎侵犯到您的版权利益,请联系79283999@qq.com删除。

本站资料仅供学习交流使用请勿商业运营,严禁从事违法,侵权等任何非法活动,否则后果自负!
THE END
喜欢就支持一下吧
点赞14赞赏 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容