Pandas Groupby 仅针对特定字符串值计算多列

Question

我有一个这样的数据框

dummy = pd.DataFrame([
('01/09/2020', 'TRUE', 'FALSE'),
('01/09/2020', 'TRUE', 'TRUE'),
('02/09/2020', 'FALSE', 'TRUE'),
('02/09/2020', 'TRUE', 'FALSE'),
('03/09/2020', 'FALSE', 'FALSE'),
('03/09/2020', 'TRUE', 'TRUE'),
('03/09/2020', 'TRUE', 'FALSE')], columns=['date', 'Action1', 'Action2'])

现在我想要每天汇总 'TRUE' 动作，它应该看起来像

我应用了 group by、sum 和 count 等，但没有任何效果对我有用，因为我必须聚合多个列，而且我不想将表拆分为多个数据框并单独解析并合并为一个，有人可以提出建议吗聪明的方法来做到这一点。

Answer 1

虚拟 df 中的 True 和 False 是字符串，您可以将它们转换为 int 和 sum

dummy.replace({'TRUE':1,'FALSE':0}).groupby('date',as_index = False).sum()

    date        Action1 Action2
0   01/09/2020  2       1
1   02/09/2020  1       1
2   03/09/2020  2       1

Answer 2

你也可以试试：

dummy.set_index(['date']).eq('TRUE').sum(level='date')

输出：

            Action1  Action2
date                        
01/09/2020        2        1
02/09/2020        1        1
03/09/2020        2        1

Answer 3

任何看到这个答案的人都应该看看@QuangHoang或@Vaishali的答案
，他们是更好的答案。我无法控制OP的选择，但你应该对这些答案投赞成票。

灵感来自@QuangHoang

dummy.iloc[:, 1:].eq('TRUE').groupby(dummy.date).sum()

            Action1  Action2
date                        
01/09/2020        2        1
02/09/2020        1        1
03/09/2020        2        1

旧答案

修复您的数据框，使其具有实际True/False值

from ast import literal_eval

dummy = dummy.assign(**dummy[['Action1', 'Action2']].applymap(str.title).applymap(literal_eval))

然后使用groupby

dummy.groupby('date').sum()

            Action1  Action2
date                        
01/09/2020        2        1
02/09/2020        1        1
03/09/2020        2        1