Question

我有一个csv，其中包含以下列

Date    isAccepted

有很多重复的日期，isAccepted是一个布尔值列，包含0和1。我想计算特定日期的0计数。

我正在尝试：

df['Count'] = df.groupby('Date').apply(lambda isAccepted: (isAccepted == 0).sum())

但是返回的列是NaN。谁能告诉我代码有什么问题。

谢谢

Answer 1

尝试以下代码，希望对您有所帮助

Last-Modified

希望这会有所帮助。

Answer 2

问题是，当您使用groupby（'Date'）时，会创建一个新的DataFrame，现在将'Date'列作为索引，而不再是列，因此，当您的代码尝试将值分配给df ['Count ']（原始索引为0、1、2、3 .... n的数据框，没有“日期”），大熊猫找不到放置它的位置，因此它用NAN填充['Count']列。要解决此问题，请尝试：

DataFrame：

data={'Date':['04/09/2019','04/09/2019','04/09/2019','04/09/2019','04/09/2019','04/09/2019','04/09/2019','04/09/2019',
 '05/09/2019','05/09/2019','05/09/2019','05/09/2019','05/09/2019','05/09/2019','06/09/2019','06/09/2019',
 '06/09/2019','06/09/2019','06/09/2019','06/09/2019','06/09/2019'],
      'isAccepted':[0,0,0,1,0,0,1,1,1,0,0,0,0,1,1,1,1,0,0,0,0]}      
df=pd.DataFrame(data,columns=['Date','isAccepted'])

使用groupby（）生成的新索引创建第二个DataFrame：

df2=df.groupby('Date').sum()

现在，您可以根据需要尝试使用代码，熊猫将找到将所得的零和放在哪里，代码行的左边和第二项现在具有相同的索引：

df2['Count']=df.groupby('Date').apply(lambda column: (column == 0).sum())['isAccepted']

希望这可以解决您对为什么使用NAN的疑问。

Answer 3

如果需要用汇总值填充新列，请使用GroupBy.transform：

df['Count'] = (df['isAccepted'] == 0).groupby(df['Date']).transform('sum')

带有DataFrame.assign的新帮助程序列的类似解决方案：

df['Count'] = df.assign(new=df['isAccepted'] == 0).groupby('Date')['new'].transform('sum')

您的解决方案是必须用transform进行更改的，但是如果有多个组，它应该很慢：

df['Count'] = df.groupby('Date')['isAccepted'].transform(lambda column: (column == 0).sum())

计算特定列中的0数

3 个答案: