如何使用 pandas groupby.count() 作为条件

Question

我有一个 dataframe df ，有两列，Ticker 和 Trade Results。

我想创建一个新的 dataframe，包含三列 - 代码、交易数量、盈利交易。

我使用groupby和count function 来获得交易数量列，这很好用。

我的问题是第三列获利交易，其中交易结果 > 0，我还没有找到解决这种情况的方法。

创建 DF（工作正常）

df = pd.DataFrame(
    {'Ticker': ['[BTC]','[ETH]','[LTC]','[BTC]','[ETH]',
              '[LTC]','[BTC]','[ETH]','[LTC]'],
     'Trade Results': [5,10,5,-5,-10,-5,5,10,5]}
)

股票代码	交易结果
比特币	5
以太坊	10
LTC	5
比特币	-5
以太坊	-10
LTC	-5
比特币	5
以太坊	10
LTC	5

分组代码和计数（工作正常）

df_Grouped = df.groupby(['Ticker']).count()

股票代码	数数
比特币	3
以太坊	3
LTC	3

条件列（我的问题）

这是我无法弄清楚的部分，我最近的尝试如下，但为盈利列返回 NaN。

df_Grouped['Profitable'] = df.groupby(['Trade Result'] > 0).count()

所需 Output

股票代码	数数	有利可图
比特币	3	2
以太坊	3	2
LTC	3	2

Answer 1

你可以这样做：

df_Grouped = df.groupby(['Ticker']).agg({'Trade Results': [('Count', 'count'), ('Profitable', lambda x: len(x[x>0]))]}).reset_index()

Output：

                 Count Profitable
0  BTC             3          2
1  ETH             3          2
2  LTC             3          2

Answer 2

您可以随时进行预过滤，但我喜欢@David Ms 的回答

df_Grouped['Profitable'] = df[df['Trade Results'] > 0].groupby(['Ticker']).count()

Answer 3

在对 groupby 进行聚合之前，您可以为大于 0 的行创建 boolean：

(
    df.assign(gt_0=df["Trade Results"].gt(0))
    .groupby("Ticker")
    .agg(Count=("gt_0", "size"), Profitable=("gt_0", "sum"))
)

    Count   Profitable
Ticker      
BTC     3   2
ETH     3   2
LTC     3   2

Answer 4

您还可以使用 groupBy 创建一个新的 df 然后合并它。

df_Grouped = df.groupby(['Ticker']).count()
df_Grouped.reset_index(level = 'Ticker')
df_new = df[df['Trade Results'] >0].groupby(['Ticker']).count().reset_index(level = 'Ticker')
print(pd.merge(df_Grouped, df_new, left_on='Ticker', right_on='Ticker', how='left'))