Skip to main content
 首页 » 编程设计

python之group-by + case when 等价

2024年10月25日19JustinYoung

要选择:

select 
    user_id, 
    max(case when value > 0 then timestamp else 0 end) as max_timestamp_when_value_is_positive 
from df 
group by user_id 

什么是正确的聚合方式?

groupped = raw_data.groupby('user_id') 
res = groupped.agg({<how-to-do-described-aggregation?>}) 

更新 解释和示例。

In [2]: df = pd.DataFrame({'user_id': [1, 1, 1, 2, 2, 3, 3, 3, 3], 
                           'timestamp': [100, 200, 300, 10, 110, 10, 110, 210, 250], 
                           'value': [0, 1, 0, 0, 0, 0, 10, 0, 1]}) 
 
In [3]: groupped = df.groupby('user_id') 
 
In [4]: res = groupped.agg({'timestamp': [min, max], 
                            'value': lambda x: sum(x > 0), 
                            <described-magic>}) 
 
In [5]: res 
Out[5]:  
        timestamp         value   <...magic...> 
              min  max <lambda> 
user_id                         
1             100  300        1    200 
2              10  110        0    0 
3              10  250        2    210 

魔法是我想要的。

请您参考如下方法:

创建一个新列 positive_value_timestamp 作为

df['positive_value_timestamp'] = df.timestamp * df.value.apply(lambda x: 1 if x > 0 else 0) 

分组时,取该列的max

res = df.groupby('user_id').agg( 
    { 
        'timestamp': [min, max], 
        'value': sum, 
        'positive_value_timestamp': max 
    })