python - 根据多列聚合函数的条件结果计算唯一记录
问题描述
我的数据如下所示:
df = pd.DataFrame({'ID': [1, 1, 1, 1, 2, 2, 3, 3, 3, 4, 4,
4, 4, 5, 5, 5],
'group': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B',
'B', 'B', 'B', 'B', 'B', 'B'],
'attempts': [0, 1, 1, 1, 1, 1, 1, 0, 1,
1, 1, 1, 0, 0, 1, 0],
'successes': [1, 0, 0, 0, 0, 0, 0, 1, 0,
0, 0, 0, 1, 1, 0, 1],
'score': [None, 5, 5, 4, 5, 4, 5, None, 1, 5,
0, 1, None, None, 1, None]})
## df output
ID group attempts successes score
0 1 A 0 1 None
1 1 A 1 0 5
2 1 A 1 0 5
3 1 A 1 0 4
4 2 A 1 0 5
5 2 A 1 0 4
6 3 A 1 0 5
7 3 A 0 1 None
8 3 A 1 0 1
9 4 B 1 0 5
10 4 B 1 0 0
11 4 B 1 0 1
12 4 B 0 1 None
13 5 B 0 1 None
14 5 B 1 0 1
15 5 B 0 1 None
我试图按两列(group
, )分组,并在首先确定哪些(, )组在所有值中至少有 1 个计数后score
计算唯一数。换句话说,如果 ID 至少有一个关联成功,我只想在聚合中计算一次(唯一)ID。我也只想计算每个 ( , ) 对的唯一 ID,而不管它包含的数量(即,如果有 5 个成功计数的总和,我只想包括 1 个)。ID
group
ID
successes
score
group
ID
attempt_counts
successes
和列是二进制的attempts
(只有 1 或 0)。例如,对于 ID = 1、group = A,至少有 1 次成功。group
因此,在计算每个 ( , )的唯一 ID 数量时score
,我将包括ID
.
我希望最终输出看起来像这样,以便我可以计算每个 ( group
, score
) 组合的唯一成功与唯一尝试的比率。
group score successes_count attempts_counts ratio
A 5 2 3 0.67
4 1 2 0.50
1 1 1 1.0
0 0 0 inf
B 5 1 1 1.0
4 0 0 inf
1 2 2 1.0
0 1 1 1.0
到目前为止,我已经能够运行一个数据透视表来计算每个 ( group
, ID
) 的总和,以识别那些至少有 1 次成功的 ID。但是,我不确定使用它来达到我想要的最终状态的最佳方法。
p = pd.pivot_table(data=df_new,
values=['ID'],
index=['group', 'ID'],
columns=['successes', 'attempts'],
aggfunc={'ID': 'count'})
# p output
ID
successes 0 1
attempts 1 0
group ID
A 1 3.0 1.0
2 2.0 NaN
3 2.0 1.0
B 4 3.0 1.0
5 1.0 2.0
解决方案
让我们尝试一下:
import numpy as np
import pandas as pd
df = pd.DataFrame({'ID': [1, 1, 1, 1, 2, 2, 3, 3, 3, 4, 4,
4, 4, 5, 5, 5],
'group': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B',
'B', 'B', 'B', 'B', 'B', 'B'],
'attempts': [0, 1, 1, 1, 1, 1, 1, 0, 1,
1, 1, 1, 0, 0, 1, 0],
'successes': [1, 0, 0, 0, 0, 0, 0, 1, 0,
0, 0, 0, 1, 1, 0, 1],
'score': [None, 5, 5, 4, 5, 4, 5, None, 1, 5,
0, 1, None, None, 1, None]})
# Groups With At least 1 Success
m = df.groupby('group')['successes'].transform('max').astype(bool)
# Filter Out
df = df[m]
# Replace 0 successes with NaNs
df['successes'] = df['successes'].replace(0, np.nan)
# FFill BFill each group so that any success will fill the group
df['successes'] = df.groupby(['ID', 'group'])['successes'] \
.apply(lambda s: s.ffill().bfill())
# Pivot then stack to make sure each group has all score values
# Sort and reset index
# Rename Columns
# fix types
p = df.drop_duplicates() \
.pivot_table(index='group',
columns='score',
values=['attempts', 'successes'],
aggfunc='sum',
fill_value=0) \
.stack() \
.sort_values(['group', 'score'], ascending=[True, False]) \
.reset_index() \
.rename(columns={'attempts': 'attempts_counts',
'successes': 'successes_count'}) \
.convert_dtypes()
# Calculate Ratio
p['ratio'] = p['successes_count'] / p['attempts_counts']
print(p)
输出:
group score attempts_counts successes_count ratio
0 A 5 3 2 0.666667
1 A 4 2 1 0.5
2 A 1 1 1 1.0
3 A 0 0 0 NaN
4 B 5 1 1 1.0
5 B 4 0 0 NaN
6 B 1 2 2 1.0
7 B 0 1 1 1.0
推荐阅读
- xampp - Mojave 升级时的 XAMPP Manager-OSX 错误
- java - 如何避免在 Java 中使用库中的堆栈方法
- python - 如何在 pandas 的 groupby 中进行第一次和最后一次观察并 dcast 数据帧
- c# - 如何在 c# 中读取 .txt 文件的一行?
- uber-api - uber central 和 Uber for business 是一样的吗?
- docker - mesosphere dcos 未注册更改 docker root
- javascript - 在基于 Typescript 的 UWP 应用程序中设置滚动条宽度
- javascript - 在烤面包机 onShown 事件中调用其他函数
- c# - 单击单元格时如何更改数据网格中的单元格值
- c - C 语言中的套接字编程:无法将消息从 FreeBSD 客户端广播到 Linux 服务器。广播 IP 应为 255.255.255.255