這是我的第一篇文章（我已經(jīng)在谷歌上搜索了一整天，但找不到任何東西），請溫柔一點(diǎn)。所以我正在使用一個(gè)包含多個(gè)列、一些浮點(diǎn)數(shù)、一些布爾值的數(shù)據(jù)框。 col_1 col_2 col_3 col_4 col_5 col_60 38.109375 37.515625 True False (64, 69) F1 27.265625 28.484375 True False (74, 79) M2 26.843750 27.015625 False True (64, 69) F我想重新訂購/制作一個(gè)新的 df 其中：是 groupby col_6 AND col_5 （檢查）具有 col_1 和 col_2 的平均值（檢查）在 col_3 和 col_4 中計(jì)算“True”（不起作用）到目前為止我的方法：new_df = df.groupby(['col_6', 'col_5']).agg({'col_5' : ['count'], 'col_1' : ['mean'], 'col_2' : ['mean']})表的圖像。但我不知道如何計(jì)算也與 col_5 和 col_6 相關(guān)的“trues”？希望這是有道理的，有人可以提供幫助。
2 回答
呼喚遠(yuǎn)方
TA貢獻(xiàn)1856條經(jīng)驗(yàn) 獲得超11個(gè)贊
您可以在 agg 函數(shù)中使用 lambda 計(jì)算 True 項(xiàng)目
new_df = (
df
.assign(
col_3 = lambda x: x['col_3'].astype(int),
col_4 = lambda x: x['col_4'].astype(int)
)
.groupby(['col_6', 'col_5'])
.agg({'col_5' : ['count'],
'col_1' : ['mean'],
'col_2' : ['mean'],
'col_3' : lambda x: len([1 for item in x if item ==True]),
'col_4' : lambda x: len([1 for item in x if item ==True])}
)
)
蕪湖不蕪
TA貢獻(xiàn)1796條經(jīng)驗(yàn) 獲得超7個(gè)贊
您可以像對整數(shù)求和一樣對布爾值求和：
[ins] In [15]: df["y"]
Out[15]:
0 True
1 True
2 False
Name: y, dtype: bool
[ins] In [16]: df["y"].sum()
Out[16]: 2
所以你可以在你的字典中使用例如"col_3": ["sum"]。
添加回答
舉報(bào)
0/150
提交
取消