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
答案 0 :(得分:6)
因为在您的源数据框中,您的NULL是字符串' null',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
答案 1 :(得分:5)
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
答案 2 :(得分:4)
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