使用 NamedAgg 聚合 Pandas DataFrame 條件

Question

我有一個帶有 order_state 列的訂單表。 並且需要計算每個訂單 state 的訂單，按小時分組，但不使用按 order_state 列分組。 我想使用 NamedAgg。 可能嗎？ 像這樣的東西：

orders_agg = orders.groupby(
    by=[pandas.Grouper(key='created_at', freq='H'), 'source']
).agg(
    orders_count=pandas.NamedAgg('created_at', 'count'),
    finished_orders_count=pandas.NamedAgg('order_state', lambda x: (x == 'finished').count()),
    cancelled_orders_count=pandas.NamedAgg('order_state', lambda x: (x == 'offer_cancelled').count())
).reset_index().rename(columns={'created_at': 'datetime_msk'})

結果應該是： 但現在我得到每列的總訂單數。

Answer 1

我認為您需要將 .count( .count()更改為.sum()以獲得 count True的值：

orders_agg = orders.groupby(
by=[pandas.Grouper(key='created_at', freq='H'), 'source']
).agg(
orders_count=pandas.NamedAgg('created_at', 'count'),
finished_orders_count=pandas.NamedAgg('order_state', lambda x: x == 'finished').sum(),
    cancelled_orders_count=pandas.NamedAgg('order_state', lambda x: (x == 'offer_cancelled').sum())
).reset_index().rename(columns={'created_at': 'datetime_msk'})