我有一个数据框“ df”，看起来像这样：
id date1 date2
1 11/1/2016 11/1/2016
1 11/1/2016 11/2/2016
1 11/1/2016 11/1/2016
1 11/1/2016 11/2/2016
1 11/2/2016 11/2/2016
2 11/1/2016 11/1/2016
2 11/1/2016 11/2/2016
2 11/1/2016 11/1/2016
2 11/2/2016 11/2/2016
2 11/2/2016 11/2/2016
我想做的是对ID进行分组，然后获取每个ID的大小，其中date1 = date2。结果应如下所示：
id samedate count
1 11/1/2016 2
1 11/2/2016 1
2 11/1/2016 2
2 11/2/2016 2
我已经试过了：
gb=df.groupby(id').apply(lambda x: x[x.date1== x.date2]['date1'].size())
并得到这个错误：
TypeError: 'int' object is not callable
您当然可以标记date1和date2相等的每个实例，然后在每个samedate之前为每个id计数这些标记，但是我必须相信对此有一个groupby选项。
您可以boolean indexing先使用，然后再聚合size：
df.date1 = pd.to_datetime(df.date1)
df.date2 = pd.to_datetime(df.date2)
df = df[df.date1 == df.date2]
gb=df.groupby(['id', 'date1']).size().reset_index(name='count')
print (gb)
id date1 count
0 1 2016-11-01 2
1 1 2016-11-02 1
2 2 2016-11-01 2
3 2 2016-11-02 2
时间：
In [79]: %timeit (df[df.date1 == df.date2].groupby(['id', 'date1']).size().reset_index(name='count'))
100 loops, best of 3: 3.84 ms per loop
In [80]: %timeit (df.groupby(['id', 'date1']).apply(lambda x: (x['date1'] == x['date2']).sum()).reset_index())
100 loops, best of 3: 7.57 ms per loop
计时代码：
#len df = 10k
df = pd.concat([df]*1000).reset_index(drop=True)
#print (df)
df.date1 = pd.to_datetime(df.date1)
df.date2 = pd.to_datetime(df.date2)
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句