使用Pandas统计无分组订单无折扣码交易数并修正空值判断错误

嗨，我来帮你搞定这个问题！首先咱们得搞清楚为什么你的代码会返回全0的结果——这是因为在Python里，绝对不能用== np.NaN来判断缺失值！

错误原因分析 #

NaN（Not a Number）的特性很特殊：它和任何值做比较（包括它自己）都会返回False。你可以在控制台里试试np.NaN == np.NaN，结果肯定是False。所以你的np.where(df['discount_code']==np.NaN,1,0)永远只会触发0的分支，自然得到全0的结果。

正确的解决方法 #

我们需要用专门判断缺失值的方法，这里推荐两种靠谱的方式：

方法1：使用Pandas内置的isna()/isnull()（两者等价） #

这是最通用的方法，不管你的discount_code是数值型还是字符串型（object dtype）都能正常工作：

import numpy as np
import pandas as pd

# 假设你的DataFrame是df
df['disc_is_null'] = np.where(df['discount_code'].isna(), 1, 0)

方法2：直接将布尔值转为整数 #

Pandas的布尔序列可以直接用astype(int)转成1/0，代码更简洁：

df['disc_is_null'] = df['discount_code'].isna().astype(int)

运行上面任意一段代码后，你就能得到期望的结果：

order_name discount_code disc_is_null
126 #1137 NaN 1
127 #1139 Earlybird 0
128 #1140 NaN 1
129 #1140 NaN 1
130 #1141 Tango 0

统计未使用折扣码的交易数量 #

你的最终需求是统计**唯一订单（order_name）**的数量（因为同一个订单可能对应多个产品行），所以需要先筛选出无折扣的行，再对order_name去重后计数：

# 统计唯一的无折扣订单数量
unique_no_discount_orders = df[df['discount_code'].isna()]['order_name'].nunique()
print(f"未使用折扣码的交易数量：{unique_no_discount_orders}")

针对你的示例数据集，这个代码会返回2（对应#1137和#1140两个订单）。

内容的提问来源于stack exchange，提问作者Luc