如何使用 pandas groupby.count() 作為條件

Question

我有一個 dataframe df ，有兩列，Ticker 和 Trade Results。

我想創建一個新的 dataframe，包含三列 - 代碼、交易數量、盈利交易。

我使用groupby和count function 來獲得交易數量列，這很好用。

我的問題是第三列獲利交易，其中交易結果 > 0，我還沒有找到解決這種情況的方法。

創建 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]}
)

股票代碼	交易結果
比特幣	5
以太坊	10
LTC	5
比特幣	-5
以太坊	-10
LTC	-5
比特幣	5
以太坊	10
LTC	5

分組代碼和計數（工作正常）

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

股票代碼	數數
比特幣	3
以太坊	3
LTC	3

條件列（我的問題）

這是我無法弄清楚的部分，我最近的嘗試如下，但為盈利列返回 NaN。

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

所需 Output

股票代碼	數數	有利可圖
比特幣	3	2
以太坊	3	2
LTC	3	2

Answer 1

你可以這樣做：

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

您可以隨時進行預過濾，但我喜歡@David Ms 的回答

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

Answer 3

在對 groupby 進行聚合之前，您可以為大於 0 的行創建 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

您還可以使用 groupBy 創建一個新的 df 然后合並它。

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'))