python - Pandas groupby 和对数据集的判断

Question

我有一个数据框，其中某些行被分类为“通过”或“失败”。我试图根据项目通过/失败的次数对项目做出总体判断。

Pandas 版本 23.4

给定以下 df:

*注意:存在其他几列，但出于此目的，只有这两列重要

Name    Judgement
A        Pass
A        Fail
A        Fail
A        Pass
X        Pass
X        Pass
Z        Pass
Z        Pass
Z        Fail
F        Pass

为了做出总体判断，我们会查看每个项目通过/失败的次数。一个项目出现两次以上 只有在(# of pass == # of fail)的情况下才能判断为“总体通过”。出现一次的项目不需要再判断。

Ex 输出如下:

Name    Judgement
A        Pass
X        Pass
Z        Fail
F        Pass

注意 A 通过，因为它有 2 个通过和 2 个失败，所以 2/2 = 1 == 通过

Z 失败，因为它有 2 次通过和 1 次失败，所以 2/1 = 2 == 失败

我的想法:

在df['Name']上做一个groupby，同时也加入Judgement，简单的统计每个Name每个判断类型出现的次数。有没有更清洁的方法来做到这一点？这个想法似乎有点麻烦，但我能想到的就是这些。

Answer 1

这是您需要的吗？ 0.5表示相等，1表示全部通过，这两个条件都为pass

s=df.Judgement.eq('Pass').groupby(df['Name']).agg(['mean','count'])
((s['mean'].eq(1)&s['count'].le(2))|s['mean'].eq(0.5)).map({True:'Pass',False:'Fail'})
Out[436]: 
Name
A    Pass
F    Pass
X    Pass
Z    Fail
dtype: object