使用Pandas根据主机状态计数判定位置的Enabled/Disabled状态

示例源数据 #

假设你的源DataFrame结构如下：

import pandas as pd

df = pd.DataFrame({
    'Location': ['A', 'A', 'B', 'C', 'C', 'D'],
    'Status': ['Enabled', 'Disabled', 'Enabled', 'Enabled', 'Disabled', 'Disabled'],
    'Host': [5, 3, 4, 2, 2, 6]
})

实现步骤 #

1. 透视聚合，拆分状态计数
   先将数据转成宽表格式，让每个位置对应的Enabled和Disabled主机数成为独立列，缺失的状态用0填充：

   pivot_df = df.pivot_table(
       index='Location',
       columns='Status',
       values='Host',
       fill_value=0,
       aggfunc='sum'
   ).reset_index()
   

2. 按规则计算最终状态
   用嵌套的numpy.where直接按规则判断，比apply效率更高：

   import numpy as np
   
   pivot_df['Final_Status'] = np.where(
       # 规则1：仅存在Enabled状态
       pivot_df['Disabled'] == 0,
       'Enabled',
       np.where(
           # 规则1：仅存在Disabled状态
           pivot_df['Enabled'] == 0,
           'Disabled',
           np.where(
               # 规则2：Enabled数量多于Disabled
               pivot_df['Enabled'] > pivot_df['Disabled'],
               'Enabled',
               # 规则2（反之）+规则3（数量相等）：标记为Disabled
               'Disabled'
           )
       )
   )
   

3. 整理目标格式
   提取需要的列得到最终结果：

   result_df = pivot_df[['Location', 'Final_Status']]
   

输出结果 #

运行后result_df的内容为：

Location Final_Status
0        A       Enabled
1        B       Enabled
2        C       Disabled
3        D       Disabled

额外说明 #

如果源数据中同一Location+Status组合有多行记录，pivot_table的aggfunc='sum'会自动求和，完全匹配需求。

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