python-3.x - Python Pandas SUMIF excel 等价物

Question

我不知道如何在我的 python 脚本中完成某个任务。
我有一个数据框，其中包含特定主题的媒体报道。我的专栏之一命名了特定文章的作者，例如...

我正在尝试创建一个数据透视表来显示列中每个记者的总数，如下所示

datajournalist = company1_topline.pivot_table(index='AuthorUsername', values='ContentID', aggfunc= np.count_nonzero )

这会给我类似的东西

AuthorUsername                                                 count_nonzero
Aaron Mehta                                                      1              
Aamer Madhani                                                    1               
Aamer Madhani ; Ben Fox                                          1      

我正在寻找的是一种让数据透视表也计算出现在多个值单元格中的名称的方法，以获得每个作者的真实计数。因此，例如，具有“Aamer Madhani ; Ben Fox”的行也将计入“Aamer Madhani”的计数，因此仅“Aamer Madhani”的行将计数为 2 而不是 1 等等......是有办法吗？在 excel 中，这可以通过 SUMIF 来实现，但我不知道如何使用 Python/Pandas 来实现。
期望的输出

AuthorUsername                                                 count_nonzero
Aaron Mehta                                                      1              
Aamer Madhani                                                    2               
Aamer Madhani ; Ben Fox                                          1     

如果有人能指出我正确的方向，将不胜感激。

Answer 1

使用具有 AuthorUsername 的 DataFrame像这样的列:

            AuthorUsername
0              Aaron Mehta
1            Aamer Madhani
2  Aamer Madhani ; Ben Fox

你可以做:

import collections

# Remove leading and trailing spaces (if any).
df['AuthorUsername'] = df['AuthorUsername'].str.strip()

# Get unique authors and their counts.
authors_counts = collections.Counter(df['AuthorUsername'].str.split('\s*;\s*').sum())

# Add to new column.
real_counts = collections.defaultdict(lambda: 1, authors_counts)
df['count_nonzero'] = [real_counts[a] for a in df['AuthorUsername']]

print(df)

结果:

            AuthorUsername  count_nonzero
0              Aaron Mehta              1
1            Aamer Madhani              2
2  Aamer Madhani ; Ben Fox              1

评论后编辑 - 总结更多指标:
在评论之后，这里是一个更通用的版本，也可以总结 Metrics列，以及可能的其他列。
输入数据框:

            AuthorUsername  Metrics
0              Aaron Mehta      1.3
1            Aamer Madhani      2.0
2  Aamer Madhani ; Ben Fox      0.5

代码:

df['AuthorUsername'] = df['AuthorUsername'].str.strip()
df['single_authors'] = df['AuthorUsername'].str.split('\s*;\s*')

df['count_nonzero'] = 1
single_metrics = df.explode('single_authors').groupby('single_authors').sum()
multiple_metrics = df[df['single_authors'].map(len) > 1].groupby('AuthorUsername').sum()

all_metrics = pd.concat([single_metrics, multiple_metrics]).rename_axis('AuthorUsername').reset_index()

df = df.drop(columns=['Metrics', 'count_nonzero', 'single_authors']).merge(all_metrics, how='left', on='AuthorUsername')

print(df)

结果:

            AuthorUsername  Metrics  count_nonzero
0              Aaron Mehta      1.3              1
1            Aamer Madhani      2.5              2
2  Aamer Madhani ; Ben Fox      0.5              1