python - LAMBDA 函数可以在进行聚合时从 python 中的另一列获取条件吗？

Question

我正在寻找一种方法(如果存在)仅使用 lambda 方法对 df 执行聚合，但要符合另一列的条件。这是问题的一个小缩影。

df = pd.DataFrame({'ID':[1,1,1,1,2,2],
                   'revenue':[40,55,75,80,35,60],
                   'month':['2012-01-01','2012-02-01','2012-01-01','2012-03-01','2012-02-01','2012-03-01']})
print(df)
   ID       month  revenue
0   1  2012-01-01       40
1   1  2012-02-01       55
2   1  2012-01-01       75
3   1  2012-03-01       80
4   2  2012-02-01       35
5   2  2012-03-01       60

如果您需要为每个 ID 设置唯一的月份，那么下面的代码很好(此代码仅用于演示 'month':'nunique' 在这里工作).

df = df.groupby(['ID']).agg({'month':lambda x:x.nunique()}).reset_index()
print(df)
   ID  month
0   1      3
1   2      2

但是，当收入大于 50 时，我需要通过在 lambda 中使用两个变量(收入和月份)来计算唯一的 months，例如 lambda x，是的:...。

我可以像 df[df['revenue'] > 50].groupby.(....) 那样完成它，但是 agg( ) 不需要此条件的地方。那么，是否存在 lambda 可以同时采用 2 个变量的方法？

预期输出:

   ID  month
0   1      3
1   2      1

Answer 1

不幸的是，这可能不是简单/性能的方式，因为 GroupBy.agg 分别处理每一列:

不要使用它，因为如果 df 很大或有很多组，速度会非常慢。

def f(x):
   a = df.loc[x.index]
   return a.loc[a['revenue'] > 50, 'month'].nunique()


df1 = df.groupby(['ID']).agg({'month':f}).reset_index()
print(df1)
   ID  month
0   1      3
1   2      1

因此，一种可能的解决方案是在 GroupBy.apply 之前或使用 ojit_a 进行过滤。