Question

我在Pandas中有一个具有以下格式的数据框（还有一堆其他列）

   chip  WL     ok
0     1   1   True
1     1   2   True
2     1   3   True
3     1   4   True
4     2   1  False
5     2   2   True
6     2   3   True
7     2   4   True

我想逐个芯片分组，计算每个chip的WL数量，并对and列中的每个值执行逻辑ok。预期的输出应如下所示：

   chip  WLs     ok
0     1   4    True
1     2   4   False

在Matlab中，这可以通过使用以下命令来实现：

a = grpstats(CellYield,{'chip'},{@all},'DataVars',{'ok'});
a.Properties.VarNames{2} = 'WLs';
a.Properties.VarNames{3} = 'ok';

哪个会输出这样的数据集：

chip WLs    ok
1    4      True
2    4      False

我如何在Python和Pandas中执行此操作？

Answer 1

使用groupby我们可以传递函数的字典以应用于每个列，对于WL列，我们应用来自count的{{1}}，pandas.Series对所有值应用测试，如果系列中的所有值都为all，则返回True。

True

<强>更新

为了将这些值分配回原始数据框，您可以使用False，遗憾的是我无法弄清楚如何将不同的函数应用于不同的列，因为转换不会接受In [6]: df.groupby('chip').agg({'WL':pd.Series.count, 'ok':all}) Out[6]: WL ok chip 1 4 True 2 4 False [2 rows x 2 columns]函数或用户定义的函数。

所以你可以在2次传球中这样做：

transform

通过布尔比较对列进行分组（类似于使用Matlab＆＃39; s grpstats）

1 个答案: