Pandas - 带条件公式的 Groupby

Posted 2023-03-14

【中文标题】Pandas - 带条件公式的 Groupby

【英文标题】：Pandas - Groupby with conditional formula

【发布时间】：2017-12-18 09:01:48

【问题描述】：

   Survived  SibSp  Parch
0         0      1      0
1         1      1      0
2         1      0      0
3         1      1      0
4         0      0      1

鉴于上述数据框，有没有一种优雅的方式来groupby 有条件？ 我想根据以下条件将数据分成两组：

(df['SibSp'] > 0) | (df['Parch'] > 0) =   New Group -"Has Family"
 (df['SibSp'] == 0) & (df['Parch'] == 0) = New Group - "No Family"

然后采用这两个组的方法，最终得到如下输出：

               SurvivedMean
 Has Family    Mean
 No Family     Mean

可以使用 groupby 来完成，还是必须使用上述条件语句追加一个新列？

【问题讨论】：

这看起来像是布尔索引的工作。

你的df是用二进制编码的吗？如果是这样，您也许可以使用 pandas 方法 get_dummies pandas.pydata.org/pandas-docs/stable/generated/…。否则，是的，我建议/认为您应该创建一个新列（我认为您只需要一个）来执行 groupby。如果我对您在做什么有更好的了解，我可以帮助编写一些代码！此外，鉴于您想要的输出，您似乎也需要旋转数据库！

【参考方案1】：

一种简单的分组方法是使用这两列的总和。如果其中任何一个为正，则结果将大于 1。并且 groupby 接受任意数组，只要长度与 DataFrame 的长度相同，因此您无需添加新列。

family = np.where((df['SibSp'] + df['Parch']) >= 1 , 'Has Family', 'No Family')
df.groupby(family)['Survived'].mean()
Out: 
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

【参考方案2】：

如果SibSp 和Parch 列中的值从未小于0，则仅使用一个条件：

m1 = (df['SibSp'] > 0) | (df['Parch'] > 0)

df = df.groupby(np.where(m1, 'Has Family', 'No Family'))['Survived'].mean()
print (df)
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

如果不可能，请先使用两个条件：

m1 = (df['SibSp'] > 0) | (df['Parch'] > 0)
m2 = (df['SibSp'] == 0) & (df['Parch'] == 0)
a = np.where(m1, 'Has Family', 
    np.where(m2, 'No Family', 'Not'))

df = df.groupby(a)['Survived'].mean()
print (df)
Has Family    0.5
No Family     1.0
Name: Survived, dtype: float64

【参考方案3】：

您可以在列表中定义您的条件，并使用下面的函数group_by_condition 为每个条件创建一个过滤列表。之后，您可以使用模式匹配选择结果项目：

df = [
  "Survived": 0, "SibSp": 1, "Parch": 0,
  "Survived": 1, "SibSp": 1, "Parch": 0,
  "Survived": 1, "SibSp": 0, "Parch": 0]

conditions = [
  lambda x: (x['SibSp'] > 0) or (x['Parch'] > 0),  # has family
  lambda x: (x['SibSp'] == 0) and (x['Parch'] == 0)  # no family
]

def group_by_condition(l, conditions):
    return [[item for item in l if condition(item)] for condition in conditions]

[has_family, no_family] = group_by_condition(df, conditions)