基于分组列的条件总和

Question

基本上，我想创建一个ERROR RATE列，它取YES中的ERROR的总和，并将它除以NO中的ERROR，但是根据ERROR RATE每LOCATION过滤DESCRIPTION。

df = pd.DataFrame({'ERROR' : ['YES','YES','NO','NO','YES'],
           'LOCATION' : ['London', 'New York', 'Edinburgh', 'Paris', 'Berlin'],
           'DESCRIPTION' : ['Good', 'Bad', 'Good', 'Bad', 'Bad']}) 

我尝试过编写代码：

df.groupby(['DESCRIPTION','LOCATION'])['ERROR'].agg()

但我不确定a）这是否是正确的方法和b）我需要为agg()写什么样的功能

提前致谢

Answer 1

也许你正在寻找groupby + value_counts + unstack + div？

i = df.groupby(['DESCRIPTION' ,'LOCATION']).ERROR.value_counts().unstack(-1)
j = (i.YES / i.NO).to_frame('ERROR_RATE')

j

                       ERROR_RATE
DESCRIPTION LOCATION             
Bad         Berlin            ...
            New York          ...
            Paris             ...
Good        Edinburgh         ...
            London            ...

如果对于特定组没有YES或NO的计数，那么结果列将在最终结果中具有NaN用于那些条目。

---

如果你正在使用agg，你需要一个3路组合。

i = df.groupby(['DESCRIPTION','LOCATION','ERROR']).ERROR.count().unstack()
j = (i.YES / i.NO).to_frame('ERROR_RATE')

j
                       ERROR_RATE
DESCRIPTION LOCATION             
Bad         Berlin            ...
            New York          ...
            Paris             ...
Good        Edinburgh         ...
            London            ...

count与agg('count')相同。