使用 Pandas 中的 Where 条件分组 [英] Grouping by with Where conditions in Pandas

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")

<小时>

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IT屋！