python - 使用 pandas，如何对 bool 列为 true 的情况进行分组/聚合求和？

Question

我有一个根据数据库查询构造的 DataFrame。框架中的每一行都有一个数据库 ID、日期、作业、一个问题 bool 值和一个固定 bool 值。例如:

data = [
    {'id': 1, 'date': '2020-02-01', 'job': 'ABC', 'issue': True, 'fixed': False},
    {'id': 2, 'date': '2020-02-01', 'job': 'ABC', 'issue': False, 'fixed': False},
    {'id': 3, 'date': '2020-02-01', 'job': 'ABC', 'issue': True, 'fixed': True},
    {'id': 4, 'date': '2020-02-01', 'job': 'DEF', 'issue': True, 'fixed': True}
]
data_df = pd.DataFrame(data)

我想做一个groupby和agg，我按工作和日期进行分组，并获取“问题”和“已修复”的计数为真。像这样的东西:

result_data = [
    {'date': '2020-02-01', 'job': 'ABC', 'issue': 2, 'fixed': 1},
    {'date': '2020-02-01', 'job': 'DEF', 'issue': 1, 'fixed': 1}
]
result_df = pd.DataFrame(result_data)

代码看起来像:

result_df = data_df.groupby(['date', 'job']).agg({'issue': 'sum-true', 'fixed': 'sum-true'})

但我不确定 'sum-true' 应该是什么。不，我不能只通过列是否为 true 来过滤整个 DF，然后求和，因为 issue 可能是 True，而 fixed 是 错误。

Answer 1

这个怎么样？

>>> df.groupby(['date', 'job'])[['issue', 'fixed']].sum()
                issue  fixed
date       job              
2020-02-01 ABC    2.0    1.0
           DEF    1.0    1.0

简单地对 bool 向量求和将返回 True 计数。

如果您希望数据采用上面指定的确切格式，只需reset_index:

>>> df.groupby(['date', 'job'])[['issue', 'fixed']].sum().reset_index()
         date  job  issue  fixed
0  2020-02-01  ABC    2.0    1.0
1  2020-02-01  DEF    1.0    1.0