计算字符串/类别 pandas groupby 聚合的出现次数

Question

我有表格格式的数据，每行都有 id。 在列中，我设置了一个具有一个或多个分类值的标志，即 condition_one、condition_two

我正在使用以下内容生成汇总统计信息：

function_count_certain_condition = lambda x: x.str.count("condition_two").sum()

function_count_certain_condition.__name__ = 'number_of_two_conditions'

# ---
aggregations = {
'column_one': ['count','first','last','nunique'],
'conditions_column': [function_count_certain_condition]
} 

df_aggregate_stats = df.groupby(['id_column']).agg(aggregations)

这可行，但似乎不是特别pythonic或高性能。 我尝试使用 value_counts() 但出现关键错误

Answer 1

特别是蟒蛇

是的，您正在使用存储在变量中的 lambda（如果它不是无名的，则 lambda 的整个点都会丢失），然后为其命名。 只需使用def定义函数，即替换

function_count_certain_condition = lambda x: x.str.count("condition_two").sum()

function_count_certain_condition.__name__ = 'number_of_two_conditions'

使用

def number_of_two_conditions(x):
    return x.str.count("condition_two").sum()

高性能的

首先要注意不要过早优化。 如果该代码对您的代码运行得足够快，请不要尝试强制它更快。 关于那个特定的函数，我看不出有什么会导致执行时间过长，因为子字符串计数和加法通常都是快速操作。