Python Pandas groupby : how to do conditional aggregation dependent on other column

Question

我想将 Panda 的 groupby 与多个聚合函数一起使用，但还包括每个聚合的条件语句。想象一下以这些数据为例:

df = pd.DataFrame({
    'id': ['a', 'a', 'a', 'b', 'b'],
    'type': ['in_scope', 'in_scope', 'exclude', 'in_scope', 'exclude'],
    'value': [5, 5, 99, 20, 99]
})

INPUT DATA:
| id | in_scope | value |
|----|----------|-------|
| a  | True     | 5     |
| a  | True     | 5     |
| a  | False    | 99    |
| b  | True     | 20    |
| b  | False    | 99    |

我想做一个像这样的 Pandas groupby:

df.groupby('id').agg(
    num_records=('id', 'size'),
    sum_value=('value', np.sum)
)

OUTPUT OF SIMPLE GROUPBY:
| id | num_records | sum_value |
|----|-------------|-----------|
| a  | 3           | 109       |
| b  | 2           | 119       |

但是，我想根据条件进行求和，即只有定义为 True 的“in_scope”记录。在栏目 in_scope应该使用。请注意，第一个聚合仍应使用整个表。简而言之，这是所需的输出:

DESIRED OUTPUT OF GROUPBY:
| id | num_records | sum_value_in_scope |
|----|-------------|--------------------|
| a  | 3           | 10                 |
| b  | 2           | 20                 |

我正在考虑将两个参数传递给 lambda 函数，但我没有成功。当然，可以通过对过滤和未过滤的数据执行两个单独的分组，然后将它们组合在一起来解决。但我希望有一种更短、更优雅的方式。

Answer 1

更新的答案:创建一个临时列，该列仅在 type 时才包含值是 in_scope ，然后聚合:

(
    df.assign(temp=np.where(df["type"] == "in_scope", df["value"], None))
    .groupby("id", as_index=False)
    .agg(num_records=("type", "size"), sum_value=("temp", "sum"))
)
    
id   num_records    sum_value   
a       3             10
b       2             20