panda aggregate by functions

Question

我有如下数据：

id  movie   details value
5   cane1   good    6
5   wind2   ok  30.3
5   wind1   ok  18
5   cane1   good    2
5   cane22  ok  4
5   cane34  good    7
5   wind2   ok  2

我想要具有以下条件的输出：

如果电影名称以'cane‘开头-求和值

如果电影名称以'wind‘开头-计算出现的次数。

所以-最终输出将是：

id  movie   value
5   cane1   8
5   cane22  4
5   cane34  7
5   wind1   1
5   wind2   2

我试着使用：

movie_df.groupby(['id']).apply(aggr)

def aggr(x):
    if x['movie'].str.startswith('cane'):
        y = x.groupby(['value']).sum()

    else:
         y = x.groupby(['movie']).count()

    return y

但它不起作用。有谁能帮帮忙吗？

Answer 1

在可能的情况下，你的目标应该是矢量化的操作。

您可以计算2个结果，然后将它们连接起来。

mask = df['movie'].str.startswith('cane')

df1 = df[mask].groupby('movie')['value'].sum()
df2 = df[~mask].groupby('movie').size()

res = pd.concat([df1, df2], ignore_index=0)\
        .rename('value').reset_index()

print(res)

    movie  value
0   cane1    8.0
1  cane22    4.0
2  cane34    7.0
3   wind1    1.0
4   wind2    2.0

Answer 2

可能有多种方法可以做到这一点。一种方法是首先按电影名称的开头过滤，然后聚合和合并。

cane = movie_df[movie_df['movie'].str.startswith('cane1')]
wind = movie_df[movie_df['movie'].str.startswith('wind')]

cane_sum = cane.groupby(['id']).agg({'movie':'first', 'value':'sum'}).reset_index()
wind_count = wind.groupby(['id']).agg({'movie':'first', 'value':'count'}).reset_index()

pd.concat([cane_sum, wind_count])

Answer 3

首先，您需要执行字符串操作。我猜在你的情况下，你不想在电影名称中使用数字。使用pandas applying regex to replace values上讨论的解决方案。然后在新序列上调用groupby()。

仅供参考:有些电影名称只有数字，在这种情况下，需要使用update函数。https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.update.html