如何基于指定条件创建Pandas统计列？论坛帖子数据集实操

针对需求中的两个新列，直接用Pandas实现如下：

1. 先导入依赖库 #

import pandas as pd
import numpy as np

假设你的原始数据存储在DataFrame df 中，接下来分步处理：

2. 生成target_opening列 #

这个列逻辑简单，仅当当前帖子是开篇帖（thread_opening=1）且binary_target=1时取值1，其余为0：

# 通过布尔条件判断，直接转成整数类型
df['target_opening'] = ((df['binary_target'] == 1) & (df['thread_opening'] == 1)).astype(int)

3. 生成target_replies列 #

这个列需要先按线程分组统计符合条件的回复数，再将结果映射到对应线程的开篇帖行，其他行填0：

# 按线程名称分组，统计每个线程中非开篇帖且binary_target=1的数量
reply_stats = df.groupby('thread_name').apply(
    lambda group: len(group[(group['thread_opening'] == 0) & (group['binary_target'] == 1)])
).reset_index(name='target_replies')

# 将统计结果合并回原DataFrame，仅给开篇帖保留统计值，其余行设为0
df = df.merge(reply_stats, on='thread_name', how='left')
df['target_replies'] = np.where(df['thread_opening'] == 1, df['target_replies'], 0)

执行完以上代码后，你的DataFrame就会和期望输出完全一致。

内容的提问来源于stack exchange，提问作者Connor95