本文介绍了使用 Pandas 中的 Where 条件分组的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
有这样的数据框:
我创建了列 'dif_pause' 基于减去 'pause_end' 和 'pause_start' 列值并使用 groupby() 函数进行平均值聚合,就像这样:
I created column 'dif_pause' based on subtracting 'pause_end' and 'pause_start' column values and doing the mean value aggregation using groupby () function just like this:
pauses['dif_pause'] = pauses['pause_end'] - pauses['pause_start']
pauses['dif_pause'].astype(dt.timedelta).map(lambda x: np.nan if pd.isnull(x) else x.days)
pauses_df=pauses.groupby(["subscription_id"])["dif_pause"].mean().reset_index(name="avg_pause")
我想在 groupby 部分包括检查是否 pause_end>pause_start (SQL 中的 WHERE 子句的某些等价物).怎么能做到这一点?
I'd like to include in the groupby section the checking whether pause_end>pause_start (some equialent of WHERE clause in SQL). How can one do that?
谢谢.
推荐答案
看来您需要 query
或 boolean indexing
首先进行过滤:
It seems you need query
or boolean indexing
first for filtering:
pauses.query("pause_end > pause_start")
.groupby(["subscription_id"])["dif_pause"].mean().reset_index(name="avg_pause")
pauses[pauses["pause_end"] > pauses["pause_start"]]
.groupby(["subscription_id"])["dif_pause"].mean().reset_index(name="avg_pause")
这篇关于使用 Pandas 中的 Where 条件分组的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!