Pandas数据框分组：仅对正数进行求和/计数

Question

我有一个数据框（‘frame’），我想按国家和日期进行聚合:

aggregated=pd.DataFrame(frame.groupby(['Country','Date']).CaseID.count())

aggregated["Total duration"]=frame.groupby(['Country','Date']).Hours.sum()

aggregated["Mean duration"]=frame.groupby(['Country','Date']).Hours.mean()

我希望只针对'frame'中正数的'Hours'数字计算上述数据（总共持续时间，平均持续时间等）。如何实现？

谢谢！

样例"frame"

import pandas as pd
Line1 = {"Country": "USA", "Date":"01 jan", "Hours":4}
Line2 = {"Country": "USA", "Date":"01 jan", "Hours":3}
Line3 = {"Country": "USA", "Date":"01 jan", "Hours":-999}
Line4 = {"Country": "Japan", "Date":"01 jan", "Hours":3}
pd.DataFrame([Line1,Line2,Line3,Line4])

- Alexis Eggermont

---

“frame”看起来像这样： 日期，国家，小时 2012年1月1日，美国，4 2012年1月1日，美国，3 2012年1月1日，美国，-999 2012年1月1日，日本，3“聚合”后的输出应该是这样的： 日期，国家，计数，正数计数，总持续时间，平均持续时间 2012年1月1日，美国，3，2，7，3.5 2012年1月1日，日本，1，1，3，3 - Alexis Eggermont

请提供一个数据框（dataframe），意思是提供一些有效的Python代码来重建它。 - alko

好的，让我尝试为此提供代码。 - Alexis Eggermont

如果 line4['hours'] = -1，你期望得到什么结果？ - alko

一定要使用NaN来表示缺失值（而不是-999）。 - Andy Hayden

Answer 1

怎样 -

frame[frame["Hours"] > 0].groupby(['Country','Date'])

- kgu87

---

远比使用lambda/apply更高效。对此点赞。 - undefined

Answer 2

下面这个方法不如上面那个优雅，但能处理一些角落案例。 df 代表原问题中的 frame。

>>> df.groupby(['Country','Date']).agg(lambda x: x[x>0].mean())
                Hours
Country Date
Japan   01 jan    3.0
USA     01 jan    3.5
>>> df.ix[3, 'Hours'] = -1
>>> df.groupby(['Country','Date']).agg(lambda x: x[x>0].mean())
                Hours
Country Date
Japan   01 jan    NaN
USA     01 jan    3.5

- alko

---

更好的方法是使用 NaN 作为哨兵值，而不是 -999，然后根本不进行过滤，并使用 nanmean 或其他 nan 不敏感的统计函数，这些函数已经内部具有隐式且更快速地过滤功能。但我意识到您正在根据 OP 的问题接受数据。 - ely

如果您需要重复使用过滤器（例如sum、count等），那么在进行分组之前执行过滤操作的一个原因是它可能会更快（尽管可能不太清晰）。 - Andy Hayden