Question

我有一个.csv数据集正确导入，清理，NA值根据需要等等。即（数据集要大得多 - 名称可能包含相同的名称和日期）

NAME    SHIFT  DEP1  DEP2  DEP3  DAY
COLLINS AM     1     1     0.5   01/02/2016
JOHNS   PM     0.5   NA    0.5   02/02/2016
SMITH   AM     1     0.5   NA    01/02/2016
RUBBER  AM     NA    1.5   1     03/02/2016
COLLINS PM     NA    1     NA    02/02/2016

显示加班次数和长度。我需要实现的是人们在AM班次或PM班次加班的次数例如（如上表所示）
上午班次有7个加班时间和下午3点。我不想知道谁，时间和原因 - 无所谓我已经尝试了数据透视表，count，values_count等，每次我收到带有嵌套列标题的整个数据帧。我应该使用额外的pyhton魔法并迭代每个DEP - 计算非NA值，然后将它们相加并按SHIFT分组？
我为问题的风格道歉，但熊猫文档有点模糊，我是这个主题的初学者 PS。到目前为止，我发现将数据集导入Excel更容易，并且在2分钟内我得到了我需要的答案:(。必须有更好的方法在熊猫中做到这一点:)

EDIT.1

每个方法都会返回一个包含NA值的计数... :(

EDIT.2

我已经解决了这个问题 - 为什么你的代码notnull()会丢弃NA但是在我的pandas中它实际上什么都不做（我得到的数据帧只有正值）...

Answer 1

您可以使用notnull创建掩码，然后使用groupby GroupBy.sum，DataFrame.sum，jeremycg ，GroupBy.count，<{3}}：

sum

另一个解决方案（感谢{{3}}）与{{3}}：

print (df[['DEP1','DEP2','DEP3' ]].notnull())
    DEP1   DEP2   DEP3
0   True   True   True
1   True  False   True
2   True   True  False
3  False   True   True
4  False   True  False

print (df[['DEP1','DEP2','DEP3' ]].notnull().groupby([df.SHIFT]).sum())
       DEP1  DEP2  DEP3
SHIFT                  
AM      2.0   3.0   2.0
PM      1.0   1.0   1.0

df = df[['DEP1','DEP2','DEP3' ]].notnull().groupby([df.SHIFT]).sum().sum(axis=1)
print (df)
SHIFT
AM    7.0
PM    3.0
dtype: float64

您也可以先按子集选择，然后应用print (df.groupby('SHIFT')[['DEP1', 'DEP2','DEP3']].count()) DEP1 DEP2 DEP3 SHIFT AM 2 3 2 PM 1 1 1 df = df.groupby('SHIFT')[['DEP1', 'DEP2','DEP3']].count().sum(axis=1) print (df) SHIFT AM 7 PM 3 dtype: int64：

count

使用aggfunc = sum，Pandas Dataframes值计数在几列上

1 个答案: