在 pandas 中应用 groupby 后如何计算列的正数和负数

Question

有以下 dataframe：

      token name   ltp    change
0   12345.0  abc   2.0       NaN
1   12345.0  abc   5.0  1.500000
2   12345.0  abc   3.0 -0.400000
3   12345.0  abc   9.0  2.000000
4   12345.0  abc   5.0 -0.444444
5   12345.0  abc  16.0  2.200000
6    6789.0  xyz   1.0       NaN
7    6789.0  xyz   5.0  4.000000
8    6789.0  xyz   3.0 -0.400000
9    6789.0  xyz  13.0  3.333333
10   6789.0  xyz   9.0 -0.307692
11   6789.0  xyz  20.0  1.222222

我需要计算名称列的每个类别的正数和负数。 在上面的例子中

abc:pos_count: 3 abc:neg_count:2
xyz:pos_count:2 xyz:neg_count:2

---

count=df.groupby('name')['change'].count()
count  

但是，这仅给我按组的总计数，而不是分别给出的正负计数。

Answer 1

利用：

g = df.groupby('name')['change']
counts = g.agg(
    pos_count=lambda s: s.gt(0).sum(),
    neg_count=lambda s: s.lt(0).sum(),
    net_count=lambda s: s.gt(0).sum()- s.lt(0).sum()).astype(int)

结果：

# print(counts)
     pos_count  neg_count  net_count
name                                 
abc           3          2          1
xyz           3          2          1

Answer 2

将np.sign与Series.map用于SeriesGroupBy.value_counts DataFrame.assign值：

count=(df.assign(type=np.sign(df['change'])
                      .map({1:'pos_count', -1:'neg_count'}))
        .groupby(df['name'])['type']
        .value_counts()
        .reset_index(name='count'))
print (count)
  name       type  count
0  abc  pos_count      3
1  abc  neg_count      2
2  xyz  pos_count      3
3  xyz  neg_count      2

Answer 3

您可以在df中创建一个带有change符号的新列，并按name和符号分组：

import pandas as pd
import numpy as np
df['change_sign'] = np.sign(df['change'])
df.groupby(['name','change_sign']).count()

如果您需要列而不是行中的结果，您可以然后 pivot