如何用Pandas统计满足多条件的唯一api_spec_id数量？

首先构造对应的DataFrame：

import pandas as pd
import numpy as np

data = {
    'api_spec_id': [213, 213, 213, 345, 345, 345, 678, 678, 678, 123, 123],
    'type_of_change': ['Breaking', 'Breaking', 'Non-Breaking', 'Non-Breaking', 'Non-Breaking', 'Non-Breaking', 'Breaking', 'Breaking', 'Breaking', 'Breaking', 'Breaking'],
    'label': [np.nan, 'major', 'patch', np.nan, 'patch', 'patch', np.nan, 'minor', 'major', np.nan, np.nan]
}
df = pd.DataFrame(data)

1. 统计所有type_of_change均为Breaking的唯一api_spec_id数量 #

通过分组后检查每组的type_of_change是否全部为"Breaking"，统计符合条件的分组数：

# 统计数量
all_breaking_count = df.groupby('api_spec_id')['type_of_change'].apply(lambda x: x.eq('Breaking').all()).sum()
# 获取对应ID列表
all_breaking_ids = df.groupby('api_spec_id').filter(lambda x: x['type_of_change'].eq('Breaking').all())['api_spec_id'].unique().tolist()

print(f"数量：{all_breaking_count}，对应ID：{all_breaking_ids}")

输出结果：数量：2，对应ID：[678, 123]

2. 统计所有type_of_change均为Non-Breaking的唯一api_spec_id数量 #

同理，检查每组是否全部为"Non-Breaking"：

# 统计数量
all_non_breaking_count = df.groupby('api_spec_id')['type_of_change'].apply(lambda x: x.eq('Non-Breaking').all()).sum()
# 获取对应ID列表
all_non_breaking_ids = df.groupby('api_spec_id').filter(lambda x: x['type_of_change'].eq('Non-Breaking').all())['api_spec_id'].unique().tolist()

print(f"数量：{all_non_breaking_count}，对应ID：{all_non_breaking_ids}")

输出结果：数量：1，对应ID：[345]

3. 统计至少有一个type_of_change为Breaking的唯一api_spec_id数量 #

分组后检查每组是否存在至少一个"Breaking"记录：

# 统计数量
has_breaking_count = df.groupby('api_spec_id')['type_of_change'].apply(lambda x: x.eq('Breaking').any()).sum()
# 获取对应ID列表
has_breaking_ids = df.groupby('api_spec_id').filter(lambda x: x['type_of_change'].eq('Breaking').any())['api_spec_id'].unique().tolist()

print(f"数量：{has_breaking_count}，对应ID：{has_breaking_ids}")

输出结果：数量：3，对应ID：[213, 678, 123]

4. 统计至少有一个type_of_change为Non-Breaking的唯一api_spec_id数量 #

分组后检查每组是否存在至少一个"Non-Breaking"记录：

# 统计数量
has_non_breaking_count = df.groupby('api_spec_id')['type_of_change'].apply(lambda x: x.eq('Non-Breaking').any()).sum()
# 获取对应ID列表
has_non_breaking_ids = df.groupby('api_spec_id').filter(lambda x: x['type_of_change'].eq('Non-Breaking').any())['api_spec_id'].unique().tolist()

print(f"数量：{has_non_breaking_count}，对应ID：{has_non_breaking_ids}")

输出结果：数量：2，对应ID：[213, 345]

内容的提问来源于stack exchange，提问作者Brie MerryWeather