Question

我有以下pandas数据帧;

a = [['01', '12345', 'null'], ['02', '78910', '9870'], ['01', '23456', 'null'],['01', '98765', '8760']]

df_a = pd.DataFrame(a, columns=['id', 'order', 'location'])

我需要计算每个ID发生的NULL值（NULL是一个字符串）的数量。所以结果看起来像;

id   null_count
01    02

我可以使用groupby获得基本计数：

new_df = df_a.groupby(['id', 'location'])['id'].count()

但结果返回的不仅仅是NULL值;

id  location
01  8760        1
    null        2
02  9870        1

Answer 1

因为在您的源数据框中，您的NULL是字符串＆＃39; null＆＃39;，请使用：

df_a.groupby('id')['location'].apply(lambda x: (x=='null').sum())\
    .reset_index(name='null_count')

输出：

   id  null_count
0  01          2
1  02          0

OR

df_a.query('location == "null"').groupby('id')['location'].size()\
    .reset_index(name='null_count')

输出：

   id  null_count
0  01           2

Answer 2

根据您自己的代码，添加.loc通知这是多索引切片..

df_a.groupby(['id', 'location'])['id'].count().loc[:,'null']
Out[932]: 
id
01    2
Name: id, dtype: int64

Answer 3

In [16]: df_a.set_index('id')['location'].eq('null').sum(level=0)
Out[16]:
id
01    2.0
02    0.0
Name: location, dtype: float64

如何只计算pandas数据帧中的特定值

3 个答案: