pandas - 不使用 Lambda 的 Groupby 应用过滤器

Question

假设我有这些数据:

data = {
    'batch_no': [42, 42, 52, 52, 52, 73],     
    'quality': ['OK', 'NOT OK', 'OK', 'NOT OK', 'NOT OK', 'OK'], 
     }
df = pd.DataFrame(data, columns = ['batch_no', 'quality'])

这给了我以下数据框

batch_no    quality
42          OK
42          NOT OK
52          OK
52          NOT OK
52          NOT OK
73          OK

现在我需要找到每个 batch_no 的 NOT OK 的计数。

我可以使用 groupby 和 apply 以及 lamda 函数来实现这一点，如下所示:

df.groupby('batch_no')['quality'].apply(lambda x: x[x.eq('NOT OK')].count())

这给了我以下期望的输出

batch_no
42              1
52              2
73              0

然而，即使在我大约 300 万行的中等大小的数据上，这也非常慢，并且无法满足我的需求。

有没有快速的替代方案？

Answer 1

您可以比较列 quality，然后是 groupby通过 batch_no 和聚合 sum，True 是类似于 1 的过程，因此它计算值:

df = df['quality'].eq('NOT OK')
                  .groupby(df['batch_no']).sum()
                  .astype(int)
                  .reset_index(name='count')
print (df)
   batch_no  count
0        42      1
1        52      2
2        73      0

详细信息:

print (df['quality'].eq('NOT OK'))
0    False
1     True
2    False
3     True
4     True
5    False
Name: quality, dtype: bool