统计api_spec_id对应type的四类值时结果异常，求修正方案

原始数据 #

import pandas as pd

data = {
    'api_spec_id': [213, 213, 213, 345, 345, 345, 678, 678, 678, 123, 123],
    'type': ['BR', 'BR', 'NBR', 'NBR', 'NBR', 'NBR', 'BR', 'BR', 'BR', 'BR', 'BR']
}

df = pd.DataFrame(data)

需求说明 #

需要统计以下四类api_spec_id的数量：

• 所有行type均为BR的ID数量
• 至少有一行type为BR的ID数量
• 至少有一行type为NBR的ID数量
• 所有行type均为NBR的ID数量

问题分析 #

你当前代码中最后两个统计结果异常相同，本质是重复遍历数据时的逻辑复用性差，容易出现混淆。更高效可靠的方式是先对每个api_spec_id分组，一次性计算所有核心特征，再基于特征统计结果，避免重复操作。

修正后的代码 #

步骤1：分组计算每个ID的核心特征 #

按api_spec_id分组，一次性计算每个分组的四类关键特征：

# 分组计算核心特征，避免重复遍历数据集
group_stats = df.groupby('api_spec_id')['type'].agg(
    has_br=lambda x: x.isin(['BR']).any(),
    has_nbr=lambda x: x.isin(['NBR']).any(),
    all_br=lambda x: (x == 'BR').all(),
    all_nbr=lambda x: (x == 'NBR').all()
)

步骤2：基于特征统计四类结果 #

# 1. 所有行type均为BR的api_spec_id数量
all_br_count = group_stats['all_br'].sum()

# 2. 至少有一行type为BR的api_spec_id数量
at_least_one_br_count = group_stats['has_br'].sum()

# 3. 至少有一行type为NBR的api_spec_id数量
at_least_one_nbr_count = group_stats['has_nbr'].sum()

# 4. 所有行type均为NBR的api_spec_id数量
all_nbr_count = group_stats['all_nbr'].sum()

验证结果 #

运行后输出：

print(f"all_br_count = {all_br_count}")  # 输出2（对应ID 678、123）
print(f"at_least_one_br_count = {at_least_one_br_count}")  # 输出3（对应ID 213、678、123）
print(f"at_least_one_nbr_count = {at_least_one_nbr_count}")  # 输出2（对应ID 213、345）
print(f"all_nbr_count = {all_nbr_count}")  # 输出1（对应ID 345）

注意：你的预期中all_commits_including_breaking = 3与实际数据不符，实际全为BR的ID仅2个，若此预期为笔误，上述代码可得到正确结果；若需求描述存在偏差，请调整特征计算逻辑。

替代简化写法 #

如果不需要保留分组特征，也可以直接通过过滤统计：

# 至少有一个BR的ID数量
at_least_one_br = df[df['type'] == 'BR']['api_spec_id'].nunique()

# 全为BR的ID数量
all_br = df.groupby('api_spec_id').filter(lambda x: (x['type'] == 'BR').all())['api_spec_id'].nunique()

# 至少有一个NBR的ID数量
at_least_one_nbr = df[df['type'] == 'NBR']['api_spec_id'].nunique()

# 全为NBR的ID数量
all_nbr = df.groupby('api_spec_id').filter(lambda x: (x['type'] == 'NBR').all())['api_spec_id'].nunique()

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