Question

我有Yelp数据集，我想要计算所有超过3星的评论。通过这样做，我得到了评论的数量：

reviews.groupby('business_id')['stars'].count()

现在我想得到超过3星的评论数，所以我尝试从here获取灵感：

reviews.groupby('business_id')['stars'].agg({'greater':lambda val: (val > 3).count()})

但这只是给了我以前所有明星的数量。我不确定这是否是正确的方法？我在这里做错了什么。 lambda表达式是不是通过星列的每个值？

编辑：好吧，我觉得很蠢。我应该使用sum函数而不是count来获取大于3的元素的值，如下所示：

reviews.groupby('business_id')['stars'].agg({'greater':lambda val: (val > 3).sum()})

Answer 1

您可以尝试：

reviews[reviews['stars'] > 3].groupby('business_id')['stars'].count()

Answer 2

由于我还想重命名该列并在同一列上运行多个功能，所以我提出了以下解决方案：

# Counting both over and under
reviews.groupby('business_id')\
       .agg(over=pandas.NamedAgg(column='stars', aggfunc=lambda x: (x > 3).sum()), 
            under=pandas.NamedAgg(column='stars', aggfunc=lambda x: (x < 3).sum()))\
       .reset_index()

pandas.NamedAgg 允许您创建多个新列，因为该功能已在从未使用过的熊猫版本中删除。

Answer 3

有点晚了，但是我的解决方法是：

reviews.groupby('business_id').stars.apply(lambda x: len(x[x>3]) )

我遇到了这个线程，以寻找“给定GroupBy中X之上的值的分数是多少”。如果有人感兴趣，这是解决方案：

reviews.groupby('business_id').stars.apply(lambda x: len(x[x>3])/len(x) )

Answer 4

我很喜欢使用method chaining with Pandas，因为它更易于阅读。我没有尝试过，但我认为这也应该起作用

reviews.query("stars > 3").groupby("business_id").size()

计算项目大于pandas groupby中的值

4 个答案: