如何用Pandas对DataFrame按timestamp分组并统计success为True的次数？

核心实现方案 #

由于Pandas中布尔值True等价于1，False等价于0，直接对分组后的success列求和即可得到每组中成功的次数：

# 按timestamp分组并统计success=True的次数
result_df = df.groupby('timestamp')['success'].sum().reset_index()

代码说明 #

• groupby('timestamp')：以timestamp列为分组依据，将相同时间戳的行归为一组
• ['success'].sum()：对每个分组内的success列求和，自动完成True/False到1/0的转换，结果即为该时间戳下成功的次数
• reset_index()：将分组后的索引（timestamp）转换为普通列，生成结构规整的DataFrame

自定义列名（可选） #

如果需要将求和后的列名改为更直观的名称（比如success_count），可以使用reset_index的name参数：

result_df = df.groupby('timestamp')['success'].sum().reset_index(name='success_count')

示例验证 #

假设原始DataFrame如下：

import pandas as pd

data = {
    'id': [1,2,3,4,5],
    'timestamp': [1620000000, 1620000000, 1620000300, 1620000300, 1620000300],
    'success': [True, False, True, True, False]
}
df = pd.DataFrame(data)

执行代码后得到的结果：

内容的提问来源于stack exchange，提问作者Leonardo