如何在pandas数据框中仅计算特定值的数量

Question

I have the following pandas dataframe;

a = [['01', '12345', 'null'], ['02', '78910', '9870'], ['01', '23456', 'null'],['01', '98765', '8760']]

df_a = pd.DataFrame(a, columns=['id', 'order', 'location'])

我需要计算每个ID中出现的NULL值（NULL是一个字符串）的数量。因此，结果应如下所示：

id   null_count
01    02

我可以使用groupby获取基本计数：

new_df = df_a.groupby(['id', 'location'])['id'].count()

但是结果返回的不仅仅是NULL值；

id  location
01  8760        1
    null        2
02  9870        1

- FunnyChef

Answer 1

因为在你的源数据框中，NULL值是字符串'null'，所以请使用以下代码：

df_a.groupby('id')['location'].apply(lambda x: (x=='null').sum())\
    .reset_index(name='null_count')

输出：

   id  null_count
0  01          2
1  02          0

或者

df_a.query('location == "null"').groupby('id')['location'].size()\
    .reset_index(name='null_count')

输出：

   id  null_count
0  01           2

- Scott Boston

---

我祝你圣诞快乐！并感谢您的支持，这是一个小礼物送给你（3+）。祝好运！ - jezrael

Answer 2

基于您自己的代码，添加.loc来指示这是多重索引切片。

df_a.groupby(['id', 'location'])['id'].count().loc[:,'null']
Out[932]: 
id
01    2
Name: id, dtype: int64

- BENY

Answer 3

In [16]: df_a.set_index('id')['location'].eq('null').sum(level=0)
Out[16]:
id
01    2.0
02    0.0
Name: location, dtype: float64

- MaxU - stand with Ukraine