熊猫按2列的条件按汇总数据框分组

马克西姆·科根（Maxim Kogan）

我得到了这个样本DF：

df = pd.DataFrame({'CUSTOM_CRITERIA':[1111,22222,1111,1212,1212,3333,5555, 1111], 
                'AD_UNIT_NAME':['inp2_l_d', 'inp1', 'pixel_d', 'inp2_l_d', 'anchor_m','anchor_m','anchor_m','inp2_l_d'], 
                'TOTAL_CODE_SERVED_COUNT':[10, 20, 10, 12, 18,500,100,50]})

我需要的条件，其中有更多的代码提供给获得每个custom_criteria最大total_code_served_count - > anchor_m [total_code担任]或inp2_l_d [total_code担任] + pixel_d [total_code服务]每个CUSTOM_CRITERIA

我当前的解决方案如下所示：

data_dict = clean_data.to_dict(orient='records')

for item in data_dict:
    desktop_impression_max_calculated = sum([d['TOTAL_CODE_SERVED_COUNT'] for d in data_dict if d['CUSTOM_CRITERIA'] == item['CUSTOM_CRITERIA'] and ('inp2_l_d' in d['AD_UNIT_NAME'].lower() or 'pixel_d' in d['AD_UNIT_NAME'].lower())])
    mobile_impression_max_calculated = sum([d['TOTAL_CODE_SERVED_COUNT'] for d in data_dict if d['CUSTOM_CRITERIA'] == item['CUSTOM_CRITERIA'] and 'anchor_m' in d['AD_UNIT_NAME'].lower()])
    item['IMPRESSIONS_MAX'] = max(desktop_impression_max_calculated,mobile_impression_max_calculated)

clean_data = pd.DataFrame(data_dict)   
agg_map = {'IMPRESSIONS_MAX': 'first' }

clean_data = clean_data.groupby('CUSTOM_CRITERIA').agg(agg_map).reset_index()

由于N ^ 2复杂性，当存在大量数据时，这需要很长时间才能运行。我敢肯定，有一种更好，更简单的方法来处理大熊猫。

Shubham Sharma

您可以通过在值乘以创建两个蒙面列TOTAL_CODE_SERVED_COUNT由布尔面具柱m1以及m2随后，groupby这些蒙面列CUSTOM_CRITERIA，并使用聚合sum，最后拿max一起axis=1得到最终的结果是：

m1 = df['AD_UNIT_NAME'].str.contains(r'(?i)inp2_l_d|pixel_d')
m2 = df['AD_UNIT_NAME'].str.contains(r'(?i)anchor_m')

pd.DataFrame((df['TOTAL_CODE_SERVED_COUNT'].values * [m1, m2]).T)\
  .groupby(df['CUSTOM_CRITERIA']).sum().max(1).reset_index(name='IMPRESSIONS_MAX')

   CUSTOM_CRITERIA  IMPRESSIONS_MAX
0             1111               70
1             1212               18
2             3333              500
3             5555              100
4            22222                0

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。