Python Pandas 两个条件数据框 groupby 运行排序

标签 python pandas group-by dataframe

我正在寻找一种方法来运行两个条件 pandas DataFrame groupby 方法。我有很多日志需要解析,并且有以下单条件 groupby 方法,但是有没有办法拥有两个条件 groupby 方法?

DF[DF['Feature Enabled'] == 1].groupby([’Feature Active'])[['Value1','Value2']].mean()

有没有办法在我浏览每个文件时打印当前日志的正在运行的groupby,例如...

DF[DF['Iteration'] == CURRENTLOG_ID and DF['Feature Enabled'] == 1].groupby([’Feature Active'])[['Value1','Value2']].mean()

这将帮助我在处理日志目录时在每个日志之后绘制到 Excel 中。

谢谢

最佳答案

要使用多个条件,您需要使用按位 & 而不是 and,而且由于运算符优先级,您还需要将条件括在括号中:

DF[(DF['Iteration'] == CURRENTLOG_ID) & (DF['Feature Enabled'] == 1)].groupby([’Feature Active'])[['Value1','Value2']].mean()

应该可以

关于Python Pandas 两个条件数据框 groupby 运行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30569856/

相关文章:

python - 删除 ManyToMany 字段中引用的对象

Python大列表和输入数据库

python - 使用 pandas 将 CSV 列读取为分类变量

python - 尝试使用 .loc[row_indexer,col_indexer] = value 代替

sql - 从多个表中使用 MAX 和 SUM 进行 SELECT

sql - 使用 MAX 和 GROUP BY 选择所有对应的字段

python - 如何在进程之间正确共享 Manager dict

python - 剩余限制错误

python - 如何根据时间间隔合并两个数据帧并进行转换

SQL Group by "Like"