python - 如何对一个键列进行分组，在第二列上使用条件并分别为工作日和周末添加第三列？

Question

我的数据框有 3 列。 ID、日期类型(星期一 = 0、星期日 = 6)和数量。

我想以一种方式进行分组，对于每个“Id”，我将有 2 行，一行包含工作日(周一至周五)的总数，另一行包含周末。

Id  Qty  DayType
B07 581  0
B07 1096 1
B07 1245 2
B07 1080 3
B07 856  4
B07 581  5
B07 1096 6
B08 1345 0
B08 1580 3
B08 816  4

预期输出

Id  Qty  DayType
B07 4858 0
B07 1677 1
B08 3741 0

输出中 DayType 中的 0 表示工作日，1 表示周末。

此外，如果您可以建议稍后如何进行旋转，那将会非常有帮助

id weekday weekend
B07 4858    1677
B08 3741    0

我找到了一些基于条件的 groupby 解决方案，但在这种情况下，有两个条件我无法弄清楚如何实现。谢谢。

<小时/>

根据 Ansev 建议的答案，我得到以下输出 -

Id  Weekdays  Weekend
B07     20817     3607
C03     22289     6569
F05     22807     6474

这是正确的。

但是当我根据 Ansev 在他的答案下的评论中的建议尝试非枢轴格式时，我得到了这个 -

id        Qty        DayType
B07       20817       43
B07        3607       44
C03       22289       43
C03        6569       44
F05       22807       43

正如您所看到的，它也添加了 DayType。我希望 0 和 1 代表工作日和周末。有什么建议吗？

Answer 1

理想的是使用 DataFrame.groupby 。要对一周中的某一天的类型进行分组，我们必须检查 df['DayType'] 何时大于或等于 5，我们还应该对每个 ID 。由于 df['Day'Type'].ge(5) 返回 False 或 True，我们可以使用 np.where或Series.replace/Series.map将 True 和 False 替换为 weekdays 和 weekend

aggregate_df = (df.groupby(['Id',df['DayType'].ge(5).astype(int)])['Qty']
                  .sum().reset_index().reindex(columns = ['Id','Qty','DayType']))
print(aggregate_df)

    Id   Qty  DayType
0  B07  4858        0
1  B07  1677        1
2  B08  3741        0

<小时/>

最后我们使用DataFrame.pivot_table

final_result = (aggregate_df.assign(DayType = aggregate_df['DayType'].map({0:'Weekdays', 
                                                                           1:'Weekend'}))
                            .pivot_table(columns='DayType',values = 'Qty',index='Id',fill_value=0)
                            .reset_index()
                            .rename_axis(columns=None))
print(final_result)

    Id  Weekdays  Weekend
0  B07      4858     1677
1  B08      3741        0