如何创建一个 Pandas Groupby 对象，其中每列都有一个对原始数据的过滤器？

Question

我正在尝试使用 Pandas 复制以下 SQL，但它比我预期的要复杂得多：

SELECT
    id
    , count(*)
    , count(case when some_condition = True then 1 end)
    , count(case when some_other_condition = False then 1 end)
FROM table
GROUP BY id

我唯一能想到的是这样的：

grouped = df.groupby('id')
df_total = grouped.count()
df_some_condition = grouped.filter(...).count()
df_some_other_condition = grouped.filter(...).count()
df_total.join(df_some_condition, on='id').join(df_some_other_condition, on='id')

我只是惊讶于我无法使用 groupby().count() 创建过滤列，而且我必须创建 3 个单独的数据框然后加入它们。 有没有更简单的方法来做到这一点，我忽略了？

注意：这里的语法可能不完全正确，只是快速写了一些东西来说明我的问题。

Answer 1

df = pd.DataFrame({'id': [1, 1, 2, 2, 3, 3, 4],
 'val1': [0.0, 48.0, 4.0, 20.0, 24.0, 25.0, 0.0],
 'val2': [0.0, 0.0, 1.0, 40.0, 22.0, 7.0, 13.0]})

df

    id  val1    val2
0   1   0.0      0.0
1   1   48.0     0.0
2   2   4.0      1.0
3   2   20.0    40.0
4   3   24.0    22.0
5   3   25.0     7.0
6   4   0.0     13.0

如何重新创建选择

df.assign(result1 = np.where(df['val1']<25, 1,0),
          result2 = np.where(df['val2'] > 4,1,0)).groupby('id').agg(count=('id','size'),
                                                                    res1_sum=('result1',sum),
                                                                    res2_sum=('result2',sum))

输出

    count   res1_sum    res2_sum
id          
1       2          1           0
2       2          2           1
3       2          1           2
4       1          1           1