如何在Pandas中按Symbol分组统计Action为'E'的数量并映射到df2？

步骤1：计算每个Symbol对应的'E'动作数量 #

你可以通过两种简洁方式实现统计：

方式一：先过滤再分组统计

先筛选出Action等于'E'的行，再按Symbol分组并统计每组的行数：

# 计算每个Symbol的'E'数量
e_count_series = df[df['Action'] == 'E'].groupby('Symbol').size()

方式二：分组后直接统计符合条件的数量

通过分组后对Action列应用条件判断，再求和（布尔值True等价于1，False等价于0，求和即得到符合条件的数量）：

e_count_series = df.groupby('Symbol')['Action'].apply(lambda x: (x == 'E').sum())
# 或者更简洁的写法
e_count_series = df.groupby('Symbol')['Action'].agg(lambda x: x.eq('E').sum())

步骤2：将统计结果映射到df2 #

使用map方法将e_count_series中的值匹配到df2的Symbol列：

df2['CountE'] = df2['Symbol'].map(e_count_series)

如果df2中存在df里没有的Symbol，映射后会得到NaN，可以用fillna(0)将其替换为0：

df2['CountE'] = df2['Symbol'].map(e_count_series).fillna(0).astype(int)

完整示例代码 #

import pandas as pd

# 初始化原始数据框df
df = pd.DataFrame({
    'Action': ['E', 'B', 'S', 'E', 'S', 'B', 'E'],
    'Symbol': ['aaa', 'aaa', 'aaa', 'yyy', 'yyy', 'yyy', 'yyy'],
    'Price': [164, 167, 168, 173, 176, 178, 175]
})

# 初始化目标数据框df2
df2 = pd.DataFrame({'Symbol': ['aaa', 'yyy']})

# 计算统计值
e_count_series = df[df['Action'] == 'E'].groupby('Symbol').size()
# 映射到df2
df2['CountE'] = df2['Symbol'].map(e_count_series)

print(df2)

输出结果：

Symbol  CountE
0    aaa       1
1    yyy       2

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