pandas 中的多个分组依据以帮助创建报告

Question

我正在尝试从另一个报告创建一个合并报告。我拥有的初始数据采用这种格式

最终报告折叠了基础主管 ID 并跟踪了指示和分数的计数，如下所示：

我尝试的方法非常冗长乏味，如果要捕获的参数更多，则需要相当多的时间并显着增加代码行数。我正在寻找一种更智能的方法来创建此报告，涉及更少的代码行，并且可能会牺牲理解方法等可读性。非常感谢任何帮助。

我的代码如下：

xdf = pd.DataFrame({'ID':[101,102,103,104,202,203,204,303,306,309,401,403,407,408,507,508,509],
                    'SID':[100,100,100,100,200,200,200,300,300,300,400,400,400,400,500,500,500],
                    'Active':['Y','N','Y','Y','Y','Y','Y','Y','N','N','N','Y','Y','Y','N','N','Y'],
                    'Score':[4,0,3,4,4,4,5,3,2,2,3,4,4,5,1,1,5,]})

xdf['Active'] = np.where(xdf['Active']=='Y',1,0)

print(xdf)

xdf_tc = xdf.groupby('SID')['ID'].count().reset_index()
xdf_ac = xdf.groupby('SID')['Active'].sum().reset_index()
xdf_sc = xdf.groupby('SID')['Score'].mean().reset_index()

ydf = pd.merge(xdf_tc,xdf_ac,how='left',on='SID')
ydf = pd.merge(ydf,xdf_sc,how='left',on='SID')
ydf = ydf.rename(columns={'ID': 'total',
                    'Score':'agg_score'})

ydf['rate'] = round(1-(ydf['Active']/ydf['total']),2)
print(ydf)

Answer 1

我认为与其在不同的操作中分组并合并回原始 df，不如一次性完成，然后添加 'rate'。类似于：

tmp=xdf.groupby('SID').agg({'ID':'count','Active':'sum','Score':'mean'}).rename(columns={'ID': 'total','Score':'agg_score'})
tmp['rate'] = round(1-(tmp['Active']/tmp['total']),2)
tmp

Answer 2

您可以使用命名聚合简化您的解决方案：

xdf['Active'] = np.where(xdf['Active']=='Y',1,0)

ydf = xdf.groupby('SID').agg(total=('ID','count'),
                             Active=('Active','sum'),
                             agg_score=('Score','mean'))
ydf['rate'] = round(1-(ydf['Active']/ydf['total']),2)           
print(ydf)
     total  Active  agg_score  rate
SID                                
100      4       3   2.750000  0.25
200      3       3   4.333333  0.00
300      3       1   2.333333  0.67
400      4       3   4.000000  0.25
500      3       1   2.333333  0.67

也可以使用：

ydf = (xdf.assign(Active = xdf['Active']=='Y')
          .groupby('SID')
          .agg(total=('ID','count'),
               Active=('Active','sum'),
               agg_score=('Score','mean')))
ydf['rate'] = round(1-(ydf['Active']/ydf['total']),2)           
print(ydf)
     total  Active  agg_score  rate
SID                                
100      4       3   2.750000  0.25
200      3       3   4.333333  0.00
300      3       1   2.333333  0.67
400      4       3   4.000000  0.25
500      3       1   2.333333  0.67

Answer 3

您可以使用 named aggregation，如果列的顺序很重要，请在末尾使用 reindex。

res = df.groupby('SID').agg(total=('SID','count'), Active=('Active', lambda x: (x=='Y').sum()), agg_score=('Score', 'mean'))
res['rate'] = [f"{1-x:.0%}" for x in res['Active']/res['total']]
res.reindex(columns=['total', 'Active','rate','agg_score'])

print(res)

     total  Active rate  agg_score
SID                               
100      4       3  25%   2.750000
200      3       3   0%   4.333333
300      3       1  67%   2.333333
400      4       3  25%   4.000000
500      3       1  67%   2.333333

pandas 中的多个分组依据以帮助创建报告

Multiple group by in pandas with condition to help create report

pandas

pandas-groupby