如何聚合多记录数据集并创建votecount、party loyalty新变量？

代码实现（Python Pandas） #

import pandas as pd

# 构造原始数据集（实际使用时可替换为读取本地文件/数据库）
data = {
    '姓名': ['John', 'John', 'John', 'John', 'John', 'John', 'Tim', 'Tim', 'Tim', 'Tim'],
    '会话': [114, 114, 114, 115, 116, 116, 114, 115, 115, 116],
    '个人投票': ['yea', 'yea', 'nay', 'yea', 'yea', 'yea', 'nay', 'nay', 'nay', 'yea'],
    '政党投票': ['nay', 'yea', 'nay', 'yea', 'nay', 'yea', 'yea', 'yea', 'nay', 'nay'],
    '与政党投票一致？': ['no', 'yes', 'yes', 'yes', 'no', 'yes', 'no', 'no', 'yes', 'no']
}

df = pd.DataFrame(data)

# 按「姓名」和「会话」分组，计算聚合指标
aggregated_df = df.groupby(['姓名', '会话']).agg(
    votecount=('与政党投票一致？', 'count'),  # 统计每组投票总数
    # 计算政党忠诚度：一致的投票数/总投票数，保留两位小数
    party_loyalty=('与政党投票一致？', lambda x: round(sum(x == 'yes') / len(x), 2))
).reset_index()

# 重命名列以匹配目标格式
aggregated_df = aggregated_df.rename(columns={'party_loyalty': 'party loyalty'})

print(aggregated_df)

输出结果 #

关键步骤说明 #

• 分组：通过groupby(['姓名', '会话'])将数据按参与者和会话维度拆分
• 投票总数：用count方法直接统计每组的记录条数，得到votecount
• 政党忠诚度：通过lambda函数计算每组中"与政党投票一致？"为yes的比例，用round保留两位小数
• 重置索引：reset_index()将分组后的索引转换为普通列，确保结果格式符合要求

内容的提问来源于stack exchange，提问作者lwe