計算 dataframe 中以 4 開頭的整數的出現次數

Question

我有一個 dataframe 形式如下：

        index              client_ip  http_response_code
                                                                                    
2022-07-23 05:10:10+00:00  172.19.0.1     300   
2022-07-23 06:13:26+00:00  192.168.0.1    400
          ...                 ...         ...   

我需要按clientip並計算列response中數字 4xx 的出現次數，即整數出現的次數以 4 開頭。

我嘗試過的是以下內容：

df.groupby('client_ip')['http_response_code'].apply(lambda x: (str(x).startswith(str(4))).sum())

但我收到以下錯誤：

AttributeError: 'bool' object has no attribute 'sum'

但是，如果假設我需要找到 400 的出現次數，那么以下不會給出任何錯誤，盡管仍然是 boolean：

df.groupby('client_ip')['http_response_code'].apply(lambda x: (x==400).sum())

知道這里有什么問題嗎？

Answer 1

知道這里有什么問題嗎？

您的 function 將 Series 作為輸入，將其與值進行比較給出 boolean 值的 Series，可以將其相加，使用str函數給出 str，它沒有.sum 。 使用.astype(str)將每個值轉換為 str 而不是整個系列，例如

import pandas as pd
df = pd.DataFrame({"User":["A","A","B"],"Status":[400,301,302]})
grouped = df.groupby("User")["Status"].apply(lambda x:x.astype(str).str.startswith("4").sum())
print(grouped)

output

User
A    1
B    0
Name: Status, dtype: int64

Answer 2

IIUC，這應該適合你：

import pandas as pd
import numpy as np
np.random.seed(123)
df = pd.DataFrame({'client_id': np.random.choice([1, 2, 3], size=10, replace=True, p=None), 'http_response_code': np.random.choice([300, 400], size=10, replace=True, p=None)})
print(df[df.http_response_code.apply(lambda x: (str(x).startswith(str(4))))].groupby('client_id').count())

Dataframe：

   client_id  http_response_code
0          3                 300
1          2                 400
2          3                 300
3          3                 400
4          1                 300
5          3                 400
6          3                 400
7          2                 300
8          3                 300
9          2                 300

結果：

           http_response_code
client_id                    
2                           1
3                           3