时间戳

首页 > 解决方案 > 每个组的值的出现计数作为单独的列

python - 每个组的值的出现计数作为单独的列

问题描述

我有一张有近 3100 万条记录的表。大约有 10 列，其中两列是卡号和 transaction_status。每张卡片可以有多行。所以可能有 2000 行同一张卡，每行作为具有相应状态的交易

transaction_Status 的值为“Y”/“N”。

我想使用 pandas 数据框在此表中添加另外两列“count_of_approved”、“count_of_rejected”。

我怎么做？到目前为止，我一直在使用 get_dummies() 和 merge()，但是这需要很多时间，更糟糕的是，会导致内存不足错误。

所以说我的输入如下：

trn_id | card_id | status
1      | c1      | Y
2      | c2      | Y
3      | c2      | N
4      | c3      | Y 
5      | c3      | Y

我希望我的输出是

trn_id | card_id | status | num_approved | num_of_denied
1      | c1      | Y      | 1            | 0
2      | c2      | Y      | 1            | 1
3      | c2      | N      | 1            | 1
4      | c3      | Y      | 2            | 0
5      | c3      | Y      | 2            | 0

我的代码如下所示：

import pandas as panda
a = panda.DataFrame({'id':[1,2,3],'c_id':[22,22,33], 'status':['Y','Y','N']})
temp = a.status.str.get_dummies()
a[['N','Y']]= temp
tt = a.groupby(['c_id'])['Y'].count()
tt=tt.reset_index()
yes_count_added = a.merge(tt,how='right',on='c_id')
yes_count_added.rename(columns = {'Y_y':'num_of_approved'})

标签： pythonpandasdataframegroup-bypandas-groupby

解决方案

您可以使用lambda 表达式，其次数等于the或using ：GroupBy card_idtransformsumstatusYnum_approvedNnum_of_deniedeq

df['num_approved'] = df.groupby('card_id').status.transform(
                                lambda x: x.eq('Y').sum())
df['num_of_denied'] = df.groupby('card_id').status.transform(
                                 lambda x: x.eq('N').sum())

     trn_id card_id  status    num_approved    num_of_denied
0       1      c1      Y             1              0
1       2      c2      Y             1              1
2       3      c2      N             1              1
3       4      c3      Y             2              0
4       5      c3      Y             2              0

推荐阅读