如何在Pandas DataFrame中按特定条件使用.count()方法？

错误原因解析 #

• 第一种写法报错DataFrame is not hashable：你在groupby()后使用[df[df['side']=='Buy']]，这是试图将一个DataFrame对象作为列选择器，但groupby后的列选择仅支持字符串（列名），而DataFrame属于不可哈希的对象，因此触发该错误。
• 第二种写法报错True is not a key：df['side']=='Sell'返回的是布尔值组成的Series，你将其放在[]中时，Python会把布尔值True当作列名去查找，而你的数据中不存在名为True的列，因此报错。

正确实现方式 #

根据你的需求（为原DataFrame添加Buys和Sells列，统计对应分组下的买卖数量），提供以下几种可行方案：

方案1：使用transform广播统计结果到原行

如果需要为每个包含side的分组标记该组内的Buy/Sell数量：

df["Buys"] = df.groupby(['symbol','month','counterparty','side'])['side'].transform(lambda x: (x == 'Buy').sum())
df["Sells"] = df.groupby(['symbol','month','counterparty','side'])['side'].transform(lambda x: (x == 'Sell').sum())

如果需要统计每个(symbol, month, counterparty)分组下的总Buy/Sell数量（忽略当前行的side）：

df["Buys"] = df.groupby(['symbol','month','counterparty'])['side'].transform(lambda x: (x == 'Buy').sum())
df["Sells"] = df.groupby(['symbol','month','counterparty'])['side'].transform(lambda x: (x == 'Sell').sum())

方案2：用crosstab生成统计结果再合并

# 生成分组买卖计数表
counts = pd.crosstab([df['symbol'], df['month'], df['counterparty']], df['side']).reset_index()
# 合并回原DataFrame
df = df.merge(counts, on=['symbol','month','counterparty'], how='left')
# 重命名列匹配需求
df.rename(columns={'Buy':'Buys', 'Sell':'Sells'}, inplace=True)

方案3：通过groupby.apply自定义统计逻辑

def count_trades(group):
    group['Buys'] = (group['side'] == 'Buy').sum()
    group['Sells'] = (group['side'] == 'Sell').sum()
    return group

df = df.groupby(['symbol','month','counterparty']).apply(count_trades)

内容的提问来源于stack exchange，提问作者Ilan Katz