根据条件汇总一列数据框的计数和值总计

问题描述

我有一个数据框，其中包含（比如说）不同产品的发票明智价格调整值。

例如：

df = pd.DataFrame({'col1': ['A','A','B','C','A'],'sum'  : [10,-10,10,0]})

我需要为 col1 = 'A' 创建一个汇总表，例如下：

           Count    Value
Positve
Negative
NIL

截至目前，我是这样做的：

result = pd.DataFrame(columns=['Count','Value'],index=['Positve','Negative','NIL'])
result.iloc[0,0] = df[(df['col1'] = 'A') & (df['sum'] > 0)]['sum'].count()
result.iloc[0,1] = df[(df['col1'] = 'A') & (df['sum'] > 0)]['sum'].sum()
result.iloc[1,0] = df[(df['col1'] = 'A') & (df['sum'] < 0)]['sum'].count()
result.iloc[1,1] = df[(df['col1'] = 'A') & (df['sum'] < 0)]['sum'].sum()
result.iloc[2,0] = df[(df['col1'] = 'A') & (df['sum'] == 0)]['sum'].count()
result.iloc[2,1] = df[(df['col1'] = 'A') & (df['sum'] == 0)]['sum'].sum()

有没有更好更快的方法来代替为汇总表中的每个值编写一行代码？我想不出这里有什么。

解决方法

首先使用 np.sign 将 Series.map 映射到新列，然后仅过滤 A 并按命名将 count 与 GroupBy.agg 中的 sum 聚合聚合：

df['new'] = np.sign(df['sum']).map({0:'NIL',1:'POS',-1:'NEG'})

df1 = df[df['col1'].eq('A')].groupby('new').agg(Count=('new','size'),Val=('sum','sum'))
print (df1)
     Count  Val
new            
NEG      2  -20
NIL      2    0
POS      2   20

如果需要计算所有值，则向 groupby 添加另一列：

df2 = df.groupby(['col1','new']).agg(Count=('new','sum'))
print (df2)
          Count  Val
col1 new            
A    NEG      2  -20
     NIL      2    0
     POS      2   20
B    POS      2   20
C    NEG      1  -10
     NIL      1    0