在pandas groupby中观察到=True/False的不同结果
在pandas groupby中观察到=True/False的不同结果是因为groupby操作会将数据集按照指定的条件进行分组，并对每个分组进行聚合操作。在聚合操作中，可以使用布尔条件进行筛选，得到True或False的结果。
具体来说，当我们在groupby操作中使用布尔条件时，会根据条件的真假将数据集分为两个组。对于满足条件的数据，其对应的布尔值为True，而不满足条件的数据对应的布尔值为False。
这种观察到=True/False的不同结果在实际应用中非常常见，可以用于数据的筛选、分组统计等操作。例如，我们可以使用groupby操作将数据按照某个特征进行分组，然后通过布尔条件筛选出满足特定条件的数据子集。
在腾讯云的产品中，与数据处理和分析相关的产品是腾讯云数据计算服务（Tencent Cloud Data Compute Service）。该服务提供了一系列数据处理和分析的解决方案，包括数据仓库、数据集成、数据计算等功能。您可以通过以下链接了解更多关于腾讯云数据计算服务的信息：
腾讯云数据计算服务：https://cloud.tencent.com/product/dps
总结起来，在pandas groupby中观察到=True/False的不同结果是因为groupby操作根据布尔条件将数据集分为满足条件和不满足条件的两个组，这种操作在数据处理和分析中非常常见。腾讯云提供了数据计算服务，可以帮助用户进行数据处理和分析的工作。
相关·内容
我正在尝试使用pandas (v0.23.4)从Categorical列(特别是包含月份信息)中获取value_counts。当所有类别都存在时，可以很好地工作：
import calendar
import random
import pandas as pd
random.seed(1)
month_names = calendar.month_name[1:]
month_names += month_names
df1 = pd.DataFrame({
'Month': month_names,
'Flag': [random.c
浏览 2提问于2019-03-19得票数 2
回答已采纳
我有一个包含bool类型列的数据框。我想使用pandas的groupby和agg函数来获取每个id的True值的数量。我已经做过很多次了，但是结果列的类型似乎取决于数据框。下面是一个示例：
import pandas as pd
d = {'id': [1, 1, 2, 3], 'bool': [True, False, False, True]}
df = pd.DataFrame(data=d)
print(df.groupby(['id']).agg({'bool': 'sum'}))
我从这段代码
浏览 0提问于2020-04-03得票数 1
我有一个包含两个列的dataframe，一个用于名称，另一个用于字符串值。我正在尝试按名称计算选择字符串值的频率。
我尝试过pandas.pivot_table和pandas.DataFrame.groupby，但是我希望创建一个全新的数据框架，而不是聚合。
例如，我有一个dataframe：
import pandas as pd
import numpy as np
data = np.array([['John', 'x'], ['John', 'x'], ['John', 'x'], [&
浏览 2提问于2019-08-16得票数 3
回答已采纳
假设我有以下数据：
import pandas as pd
df = pd.DataFrame({'id': [1,1,1,2,3,2], 'year': ['2020', '2014', '2002', '2020', '2016', '2014'], 'e': [True, False, True, True, False, True]})
df.info()
id year e
1 2020 True
1 2014
浏览 3提问于2020-09-01得票数 0
回答已采纳
我正在尝试从DataFrame中group和sum dicts，如下所示：
dt = [
{'discount_value': 10, 'is_cumulative': True, 'code': 'x'},
{'discount_value': 10, 'is_cumulative': True, 'code': 'x1'},
{'discount_value': 10, 'is_cumulative': Fa
浏览 10提问于2020-06-03得票数 1
回答已采纳
我在Pandas中有一个dataframe，它的格式如下(还有一堆其他列)。
chip WL ok
0 1 1 True
1 1 2 True
2 1 3 True
3 1 4 True
4 2 1 False
5 2 2 True
6 2 3 True
7 2 4 True
我想按芯片分组，计算每个chip的WL数量，并对ok列中的每个值执行逻辑and。预期输出应如下所示：
chip WLs ok
0 1 4 True
浏览 1提问于2014-07-03得票数 0
1回答
我对functional Pandas不是很熟悉，但在文档中找不到解决这个问题的方法。
我想要为ID创建DISCTINCT表，如果这个ID的真值曾经满足，则在单元格中写入TRUE，否则写入FALSE。
输入：
ID VALUE
---------+-----+-------
0 1 True
1 1 True
2 1 False
3 1 True
4 2 True
5 2 False
6
浏览 1提问于2015-03-30得票数 0
2回答
给定一个如下所示的Pandas数据帧
GROUP VALUE MASK
1 5 false
2 10 false
2 20 false
1 7 true
3 17 false
3 18 false
1 100 false
1 200 true
对于掩码为真的每一行，我希望获得该组中前一个值的差值，即结果应为
VALUE DIFF
7 2
200 100
我如何在Pandas中
浏览 2提问于2016-10-22得票数 7
我有这样的数据：
import pandas as pd
df = pd.DataFrame({ 'num' : [0.43, 5.2, 1.3, 0.33, .74, .5, .2, .12],
'complete' : [False, True, False, False, True, False, True, True]
})
df
complete num
0 False 0.43
1 True 5.20
2 False 1.30
3
浏览 0提问于2018-07-21得票数 1
回答已采纳
3回答
问题
我有以下潘达斯的数据：
data = {
'ID': [100, 100, 100, 100, 200, 200, 200, 200, 200, 300, 300, 300, 300, 300],
'value': [False, False, True, False, False, True, True, True, False, False, False, True, True, False],
}
df = pandas.DataFrame (data, columns = ['ID&
浏览 5提问于2020-09-29得票数 15
回答已采纳
我是一个相当新的程序员，我真的在努力做一个我正在做的项目。我有一个电影数据列表，在这里我试图显示一部电影在特定类型下的前十名。
以下是我到目前为止所拥有的：
import pandas
from pandas import DataFrame
data = pandas.read_csv('movies.csv')
columns = data[['Title', 'Year', 'Score', 'Genre', 'Director', 'Runtime', 'Reven
浏览 9提问于2020-05-07得票数 0
回答已采纳
1回答
我有以下Pandas系列：
s = pd.Series([False, True, True, False, True, True, True, False, True])
如何获得一个元组列表，每个元组代表连续True间隔的开始和结束索引。对于上面的代码片段，预期的结果将是：
[(1, 2), (4, 6), (8, 8)]
浏览 0提问于2018-07-22得票数 1
我试图通过一个函数将df元组的pandas列表转换为独立DataFrames的len编号。我发现了一个简单的样本DataFrame，它由不同的动物类型组成。我不想创建一个元组格式的DataFrames列表，而是希望将它们推到单独的DataFrames表(不是元组等)中，而不是逐个调用df的位置(即animals[0])，因为我不知道任何给定的列表会有多长。有什么建议吗？ import pandas as pd
df = pd.DataFrame({'animal': 'cat dog cat fish dog cat cat'.split(),
's
浏览 43提问于2019-09-02得票数 2
2回答
dataframe是query.when groupby之后的一个空df，引发运行时警告，然后获得另一个没有columns.How的空数据raise来保留列？
df = pd.DataFrame(columns=["PlatformCategory","Platform","ResClassName","Amount"])
print df
结果：
Empty DataFrame
Columns: [PlatformCategory, Platform, ResClassName, Amount]
Index: []
然后分组讨论
浏览 5提问于2017-09-07得票数 9
回答已采纳
pandas df包含布尔列'delta‘，其中包含的行并非全部为true或false。我希望在delta值为True的每个段中找到close的最小值。还需要日期索引的结果。 close delta
date
2020-07-15 5.27 True
2020-07-16 5.25 True
2020-07-17 5.10 False
2020-07-20 5.08 False
2020-07-21 5.33 True
2020-07-22 5.15 True
2020-07-23 5.11
浏览 17提问于2020-08-16得票数 0
回答已采纳
1回答
我在python 2.7.9的pandas 0.18.0中工作。
获取一个示例DataFrame并按几列分组，然后对不同的列求和以得到结果，如下所示：
>>> df = pandas.DataFrame([[1,2,3],[4,5,6],[1,2,9]], columns=['a','b','c'])
>>> print df
a b c
0 1 2 3
1 4 5 6
2 1 2 9
>>> df.groupby(['a','b']
浏览 10提问于2016-07-29得票数 4
在Pandas中，我试图弄清楚如何生成一个列，该列是当前行的时间与另一列的值为True的最后一行的时间之差：
因此，给定数据帧：
df = pd.DataFrame({'Time':[5,10,15,20,25,30,35,40,45,50],
'Event_Occured': [True,False,False,True,True,False,False,True,False,False]})
print df
Event_Occured Time
0 True 5
1 False
浏览 4提问于2016-08-18得票数 0
回答已采纳
我想读取一个CSV文件并在多个列上计数/聚合
我的输入数据如下
unique_identifier,date,flag1,flag2,flag3
a1,7/1/2017,FALSE,TRUE,FALSE
a2,7/1/2017,FALSE,TRUE,FALSE
a3,7/1/2017,FALSE,TRUE,FALSE
a4,7/1/2017,TRUE,FALSE,FALSE
a5,7/1/2017,FALSE,FALSE,FALSE
a6,7/2/2017,FALSE,FALSE,TRUE
a7,7/2/2017,FALSE,FALSE,TRUE
a8,7/2/2017,FALSE,TRUE,
浏览 11提问于2017-07-03得票数 1
回答已采纳
我有下面的布尔级数，我试图找到count，我必须检查False的值，如果连续序列中False值的计数为greater than 2，那么就让它为false，但是如果count is less than equal to 2 then i have to inverse them来自False to True 预期输出:像wise第一次一样，false重复两次，这意味着它将变成True，但如果我们在TRUE值之后看到False再次重复两次以上，那么这些值将保持为false。 如何使用Pandas函数执行此操作？ True
True
True
True
True
False
False
True
浏览 32提问于2019-04-08得票数 1
回答已采纳
2回答
我试图理解如何使用.all，例如：
import pandas as pd
df = pd.DataFrame({
"user_id": [1,1,1,1,1,2,2,2,3,3,3,3],
"score": [1,2,3,4,5,3,4,5,5,6,7,8]
})
当我尝试：
df.groupby("user_id").all(lambda x: x["score"] > 2)
我得到：
score
user_id
1 True
2 Tru
浏览 2提问于2022-09-22得票数 1
回答已采纳
1回答
我有以下数据帧： True_False
2018-01-02 True
2018-01-03 True
2018-01-04 False
2018-01-05 False
2018-01-08 False
... ...
2020-01-20 True
2020-01-21 True
2020-01-22 True
2020-01-23 True
2020-01-24 False
504 rows × 1 columns 我想知道有多少连续的True或False，但不是总数，它必须在切换True或False后停止计数。因此，我希望最终计算出mean()、max()
浏览 12提问于2020-01-26得票数 1
回答已采纳
2回答
我有以下的dataframe (下面三个示例列)：
import pandas as pd
array = {'25.2': [False, True, False], '25.4': [False, False, True], '27.78': [True, False, True]}
df = pd.DataFrame(array)
25.2 25.4 27.78
0 False False True
1 True False False
2 False True True
我想
浏览 0提问于2021-08-06得票数 0
回答已采纳
我有一个Pandas df，格式如下：
ColumnA. ColumnB. IsMatching
0 sadasdsad. asdsadsad True
1 asdsadsadas. asdsadasd. False
2 asdsadasd. asdsadsad. False
3 dfsdfsdfi ijijiiijj. False
4 sdasdsads. asdsadsad True
5 dfsdfsdfi ijijiiijj. False
6 jijijijij. iji
浏览 2提问于2021-03-02得票数 0
回答已采纳
1回答
我有一个简单的Pandas DataFrame t，如下所示：
> print t
group_id item_id traitx
0 groupA 000001-00 True
1 groupA 000002-00 True
2 groupA 000003-00 False
3 groupB 000001-00 True
4 groupC 000002-00 True
5 groupC 000004-00 True
> t.pivot_table(index=
浏览 4提问于2017-07-14得票数 1
回答已采纳
尽管我将参数as_index设置为True，但pandas.DataFrame.groupby.nunique()会将我分组的列保留在结果中。
pandas版本为: 0.24.1
df = pd.DataFrame(
{'a': [1, 1, 2, 3, 2],
'b': [1, 2, 3, 4, 4]}
)
df.groupby('a', as_index=True).nunique()
输出为：
# a b
# a
# 1 1 2
# 2 1 2
# 3 1 1
我期望：
# b
# a
浏览 0提问于2019-08-21得票数 2
1回答
尝试实现一个简单的函数，将一个组标记为True (随机)
Dataframe:
In [145]: df = pd.DataFrame({'a': [1,1,1,2,2], 'b': [3,3,3,3,3]})
In [146]: df
Out[146]:
a b
0 1 3
1 1 3
2 1 3
3 2 3
4 2 3
函数：
def pickone(df, group, out):
u = df[group].unique()
p = np.random.choice(u, 1)[0]
df[out]
浏览 5提问于2017-07-23得票数 0
回答已采纳
2回答
我是Pandas的新手，请不要太苛刻;)让我们假设我的初始数据帧是这样的：
#::: initialize dictionary
np.random.seed(0)
d = {}
d['size'] = 2 * np.random.randn(100) + 3
d['flag_A'] = np.random.randint(0,2,100).astype(bool)
d['flag_B'] = np.random.randint(0,2,100).astype(bool)
d['flag_C'] = np.random.randi
浏览 10提问于2016-08-18得票数 1
回答已采纳
1回答
我有一个df，我想比较一下df中的每一列，计数和计算比率。
import numpy as np
import pandas as pd
indices = (1,2,3,4,5,6)
col = ["gender", "under 15", "homework finishing"]
data = (["Female", True, "No"], ["Female", False, "Yes"], ["Male", True, "Yes"], [
浏览 2提问于2021-10-19得票数 1
回答已采纳
我有以下数据：
import pandas as pd
df = pd.DataFrame({'a': ['1', '1', '1', '2', '2', '2', '3', '3', '4', '4'], 'b': ['True', 'False', 'True', 'True', 'True', 'True'
浏览 2提问于2020-11-26得票数 1
回答已采纳
我有一个pandas数据文件，如下所示：
import pandas as pd
foo = pd.DataFrame({'id_p': [1,1,2,2,3,3,3,4,4],
'id_d_b': [True, True, False, True, True, True,False,False,False],
'id_d_i': [False, False, True, False,False,False,True,True,True]})
foo
id_p id_d_b i
浏览 2提问于2022-09-20得票数 2
回答已采纳
1回答
我有一个这样的Pandas数据帧： df = pd.DataFrame({'id': [121, 34324, 111, 12, 45, 232],
'weight': [10, 2, 80, 49, 71, 18],
'var_bool': [True, True, False, True, False, True],
'var_cat': ['red', 'blue', 'red', '
浏览 15提问于2019-12-19得票数 2
回答已采纳
因此，我试图在筛选一个值并将其附加到列表之后，对其进行索引。到目前为止，代码如下：
import pandas as pd
import numpy as np
arr_1 = np.array([7, 1, 6, 9, 2, 4])
arr_2 = np.array([5, 8, 9, 10, 2, 3])
arr_3 = np.array([1, 9, 3, 4, 5, 1])
dict_of_arrs = {
'arr' : [arr_1, arr_2, arr_3]
}
df = pd.DataFrame(dict_of_arrs)
true_list =
浏览 60提问于2020-06-06得票数 4
回答已采纳
1回答
看看这两个小测试：
@Test
public void test1() {
Observable.range(1, 10)
.groupBy(v -> v % 2 == 0)
.flatMap(group -> {
if (group.getKey()) {
return group;
}
return group;
})
.subscribe(System.out::println);
}
@Test
p
浏览 0提问于2018-07-20得票数 3
回答已采纳
3回答
我认为这对于pandas来说是一个简单的任务，但我不明白。
我有这份资料表
Group Val
0 A 0
1 A 1
2 A <NA>
3 A 3
4 B 4
5 B <NA>
6 B 6
7 B <NA>
我想知道Val中每个组Group中的有效值和无效值的频率。这是预期的结果。
A B Total
Valid 3 2 5
NA 1 2 3
下面是生成该示例数据的代码。
#!
浏览 3提问于2022-11-09得票数 0
回答已采纳
1回答
我有这个df，它是分组的，在每个组中计数布尔值。
我希望按降序对“事件”进行排序，同时保持按州和布尔人分组。
property_state delinquency occurrence
AK False 119
True 17
AL False 928
True 185
AR False 500
浏览 2提问于2020-07-25得票数 0
1回答
当运行下面的代码时，我会得到不同的结果。
import dask
# Loading Data
df = dask.datasets.timeseries()
# Dask Computation
df.groupby("name").aggregate({"x": "sum", "y": "max"}).compute()
# Pandas computation
pandas_df = df.compute()
pandas_df.groupby("name").aggregate({&#
浏览 5提问于2022-10-01得票数 0
3回答
使用Pandas进行聚合和分组
、、、、
我正在尝试根据帐号添加一列值，并将结果显示在新列中。另外，我将合同帐户的第一个实例标识为唯一值，将其他实例标识为重复实例。例如： Index CA# Duplicate? $ $$
1 1101 True 440.4 880.80
2 1101 False 440.4 -
3 1102 True 440.8 440.80
4 1103 True 441.2 441.20
5 1106 True 442.4 1,3
浏览 8提问于2019-05-27得票数 0
回答已采纳
1回答
我想根据列Region和列and来组合下面的数据帧df。此外，我想总结一下面积的价值。 import pandas as pd
df = pd.DataFrame({'Region': ['Region1', 'Region1', 'Region1', 'Region2', 'Region2', 'Region2', 'Region3', 'Region3', 'Region4', 'Region4'], 'I
浏览 17提问于2020-11-27得票数 1
回答已采纳
我正在尝试使用Pandas实现变量消除算法。如果有人熟悉求和步骤，请给出一个表，其中a，b，c是变量(不一定是布尔值)，f是给定这些变量的值的某个函数(因子)。
a b c f
0 True True True 0.015
1 True True False 0.035
2 True False True 0.270
3 True False False 0.180
4 False True True 0.030
5 False True False 0.070
6 False
浏览 28提问于2020-03-07得票数 2
回答已采纳
我的问题非常类似于，但它不能满足我的需要。
假设我有两个数据格式，例如(请注意，dataframe内容可以是浮点数而不是布尔值)：
left = pd.DataFrame({0: [True, True, False], 0.5: [False, True, True]}, index=[12.5, 14, 15.5])
right = pd.DataFrame({0.7: [True, False, False], 0.5: [True, False, True]}, index=[12.5, 14, 15.5])
正确的
0.5 0.7
12.5 True T
浏览 2提问于2018-10-08得票数 6
回答已采纳
1回答
我已经找到了许多类似问题的答案，但它们不能用于groupby，或者它们不是在寻找连续的布尔值。 我正在寻找一种方法(非循环)来计算一个组中连续的过去真值的数量。 data = [
[False, 'CLE',],
[True, 'CLE'],
[True, 'CLE'],
[False, 'MON'],
[False, 'MON'],
[True, 'MON'],
[True, 'CLE'],
[False, '
浏览 31提问于2021-02-06得票数 1
回答已采纳
在数据帧中使用observed=True/False之后，我在pandas中使用groupby时得到了不同的结果，该数据帧包含一个带有间隔的分类列。原则上，我相信我应该得到完全相同的结果。 作为一个例子，让我们假设下面的数据帧： df_testing = pd.DataFrame({"a": ["good", "good", "good", "bad", "good", "good", "bad", "good",
浏览 69提问于2019-05-28得票数 1
回答已采纳
1回答
如果最后的N (3)行或当前中的任何一行或当前在一个组中为true，则我希望输出为True。
这就是我一直在尝试这样做的，要么是使用transform，要么是因为它只有一列。
import pandas as pd
data = [
['False', 'CLE',],
['False', 'CLE'],
['True', 'CLE'],
['False', 'MON'],
['False', 'CLE
浏览 5提问于2021-02-05得票数 1
回答已采纳
2回答
我使用进行特性选择，并发现了一些意想不到的结果(检查代码)。有没有人知道原因是什么，或者可以向我指出一些文件或请求？
我包括一个比较，我得到的结果和预期的结果得到的手和使用。
守则：
import numpy as np
import pandas as pd
from scipy.stats import chi2_contingency
from sklearn.feature_selection import chi2, SelectKBest
x = np.array([[1, 1, 1, 0, 1], [1, 0, 1, 0, 0], [0, 0, 1, 1, 1], [0, 0,
浏览 0提问于2018-06-19得票数 2
我正尝试在Dask中执行groupby函数来创建一个新的Dask数据帧。然而，当我做groupby时，结果是一个熊猫系列。当我在Pandas中执行相同的操作时，我确实返回了一个新的数据帧。如何返回新的dask数据帧？
代码如下：
g1 = df1.groupby(['SFDC_Refresh_Date', 'Forecast_Category']).Total.sum().compute()
g1.dtypes
返回：
dtype('float64')
和
type(g1)
返回
pandas.core.series.Series
当
浏览 4提问于2019-10-09得票数 0
1回答
给出一个regex模式列表，包括重复模式、和一个输入字符串。
如何从regex列表中获得一个布尔表(长度与regex模式的输入列表相同)，其中每个布尔值对应于regex模式(在同一索引下)是否与输入字符串匹配？
我想为熊猫系列或DataFrame栏中的每一个字符串做这件事。
下面的代码几乎完全符合我的要求，但它与重复regex模式的第二次(或n‘次)不匹配，只有第一次。
我希望避免使用for循环的解决方案。
import pandas as pd
a = pd.Series([
'one two three four five six seven',
浏览 0提问于2019-08-20得票数 0
回答已采纳
2回答
import pandas as pd
values = {'C1': ['B', 'A'],
'C2': ['B', 'A'],
'C3': ['B', 'A'],
}
df = pd.DataFrame(values)
df.set_index(keys=['C1', 'C2'], inplace=True)
grouped
浏览 0提问于2016-04-23得票数 2
我有以下数据(示例)：
import pandas as pd
data = [['A', False, 2], ['A', True, 8], ['A', False, 25], ['A', False, 30], ['B', False, 4], ['B', False, 8], ['B', True, 2], ['B', True, 1], ['B', False, 3]]
df = pd.DataFrame(data = data, colu
浏览 1提问于2022-09-26得票数 1
回答已采纳
1回答
我从更大的数据集中提取了一组数据(例如col 'A')，并希望将一个函数应用到该组中，以验证该函数的结果。问题是，当我将函数应用于只有一个不同值(df_false)的组时，熊猫返回一个
ValueError:期望一个一维数组，得到一个形状(6，6)的数组。
当我将相同的函数应用于在分组列(df_true)中具有多个不同值的df时，错误不会出现。
有人知道怎么处理吗？
import pandas as pd
df_false = pd.DataFrame({'A' : ['a', 'a', 'a', 'a&
浏览 5提问于2022-08-17得票数 0
回答已采纳
我编写了这个简化的示例来解释我试图实现的目标：
import pandas as pd
import pytest
def enable_rows(df, row, myrange):
# Need to modify this
df.loc[row + myrange:, 'enabled'] = True
df.loc[:row - myrange, 'enabled'] = True
def starting_df():
# just re-creates the initial dataframe to check o
浏览 0提问于2018-11-22得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
