基于列值的条件迭代：按类别统计符合条件的记录及去重ID计数

我有如下数据集：

需要完成两个统计需求：

• 1. 对每个category，统计value ≤ 0.5的实例数量，输出为DataFrame或列表；
• 2. 进阶需求：统计时每个ID仅计数一次（同一category下，只要某个ID有至少一条符合value ≤ 0.5的记录，就计1次，不管该ID有多少条符合条件的记录）。

预期结果：

• 原需求：A类→2，B类→2，C类→1；
• 进阶需求：A类→1，B类→1，C类→1。

解决方案 #

以下是基于Python pandas库的实现代码：

1. 原需求实现 #

加载数据集后，筛选符合条件的记录再按category分组计数：

import pandas as pd

# 构造数据集
data = {
    'category': ['A', 'A', 'A', 'B', 'B', 'C', 'C'],
    'value': [1, 0.5, 0.33, 0.5, 0.33, 5, 0.33],
    'ID': ['x', 'y', 'y', 'z', 'z', 'w', 'w']
}
df = pd.DataFrame(data)

# 统计每个category下value≤0.5的实例数
result_original = df[df['value'] <= 0.5].groupby('category').size().reset_index(name='count')
print(result_original)

输出结果：

category  count
0        A      2
1        B      2
2        C      1

2. 进阶需求实现 #

先筛选符合条件的记录，按category和ID去重后再分组计数：

# 统计每个category下符合条件的唯一ID数量
result_advanced = df[df['value'] <= 0.5].drop_duplicates(subset=['category', 'ID']).groupby('category').size().reset_index(name='unique_id_count')
print(result_advanced)

输出结果：

category  unique_id_count
0        A                1
1        B                1
2        C                1

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