基于特定条件对比并统计两个Pandas DataFrame中的企业数据

数据集 #

df1 #

df2 #

统计需求 #

对比两个DataFrame，统计两类符合条件的公司数量：

1. 同时存在于两个DataFrame中的公司数量；
2. 同时存在于两个DataFrame中，且满足：
   • df2中至少有一条记录的act_call为'Yes'且act_visit为'Yes'
   • df1中所有记录的po为'No'

尝试过的方法 #

• 针对第一个条件，使用pandas.DataFrame.sum()和pandas.DataFrame.count_values()未得到预期结果；
• 针对第二个条件，尝试了以下代码，但不确定是否仅统计共同存在的公司：

  (((df1[['act_calling', 'act_visit']].eq('yes'))&(df2['po'].eq('no'))).groupby(df2['company_name']).any().all(axis = 1).sum())
  

预期输出 #

1. 3，(A, B, C)
2. 1，(C)

1. 统计同时存在于两个DataFrame的公司数量 #

通过集合交集直接获取共同公司，统计长度即可：

import pandas as pd

# 提取两个DataFrame的唯一公司集合
companies_df1 = set(df1['company'].unique())
companies_df2 = set(df2['company'].unique())

# 计算交集并统计数量
common_companies = companies_df1 & companies_df2
count_common = len(common_companies)

print(f"同时存在的公司数量：{count_common}，({', '.join(common_companies)})")

运行结果：同时存在的公司数量：3，(A, B, C)

2. 统计符合第二个条件的公司数量 #

拆分条件分步筛选，再取交集确保只统计共同存在的公司：

# 筛选df1中所有记录po均为'No'的公司
df1_valid = df1.groupby('company')['po'].apply(lambda x: (x == 'No').all())
valid_df1 = df1_valid[df1_valid].index.tolist()

# 筛选df2中至少有一条记录act_call和act_visit均为'Yes'的公司
df2_valid = df2.groupby('company').apply(
    lambda x: ((x['act_call'] == 'Yes') & (x['act_visit'] == 'Yes')).any()
)
valid_df2 = df2_valid[df2_valid].index.tolist()

# 取三类集合的交集：符合df1条件、符合df2条件、同时存在于两个DataFrame
target_companies = set(valid_df1) & set(valid_df2) & common_companies
count_target = len(target_companies)

print(f"符合条件的公司数量：{count_target}，({', '.join(target_companies)})")

运行结果：符合条件的公司数量：1，(C)

逻辑说明 #

• 第一个统计用集合交集，高效且直接，避免了复杂的DataFrame操作；
• 第二个统计拆分两个子条件分别筛选，再与共同公司集合取交集，确保结果仅包含同时满足所有要求的公司，避免跨表操作的逻辑混乱。

内容的提问来源于stack exchange，提问作者babysoul