Python中带条件的GroupBy与违规分类问题求助

嗨，我来帮你一步步搞定这两个问题，先从分组统计的格式调整说起，再处理违规分类的逻辑～

一、分组统计：实现目标显示格式 #

你用df.groupby(['name', 'id']).size().reset_index(name='counts')其实已经得到了正确的统计结果，只是显示格式不符合预期。要注意的是：DataFrame本身的存储结构里每一行的name列都有值，你想要的“同一个name只显示第一行”是可视化/输出层面的格式，我们可以通过两种方式实现：

方式1：仅用于显示的样式设置（适合Notebook展示） #

如果只是在Jupyter Notebook里想让表格更易读，可以用pandas的Styler隐藏重复的name值：

import pandas as pd

# 先完成基础分组统计
df_counts = df.groupby(['name', 'id'], as_index=False).size().rename(columns={'size': 'count'})

# 设置样式，把重复的name单元格隐藏
styled_table = df_counts.style.hide(axis='index').set_table_styles([
    {'selector': 'tr:not(:first-child) td:first-child',
     'props': [('visibility', 'hidden')]}
])

# 展示样式化后的表格
display(styled_table)

方式2：生成带空值的DataFrame（适合导出Excel等） #

如果需要把重复name的位置设为空字符串（比如导出到Excel时保持格式），可以先排序，再用shift判断是否和前一行name相同：

df_counts = df.groupby(['name', 'id'], as_index=False).size().rename(columns={'size': 'count'})
# 按name排序，确保同一name的行连续排列
df_counts = df_counts.sort_values('name')
# 把和上一行重复的name替换为空字符串
df_counts['name'] = df_counts['name'].where(df_counts['name'] != df_counts['name'].shift(), '')

# 输出结果
print(df_counts)

这样得到的DataFrame就完全符合你期望的格式了。

二、违规分类：按规则判断 #

你的思路方向是对的，但需要先拿到每个name对应的90和91的计数，再按规则逐步判断。这里用pivot_table把计数转成列会更方便处理：

完整实现代码 #

import pandas as pd

# 第一步：获取每个name对应的90、91计数
pivot_df = df.pivot_table(
    index='name',
    columns='id',
    values='id',
    aggfunc='count',
    fill_value=0  # 把不存在的id计数设为0
).rename(columns={90: 'count_90', 91: 'count_91'})

# 第二步：编写违规判断逻辑
def check_violation(row):
    # 情况1：仅对应一个id（90或91），不属于违规
    if row['count_90'] == 0 or row['count_91'] == 0:
        return 0
    # 情况2：同时对应两个id
    else:
        # 子情况i：90计数<5且91计数>0，不属于违规
        if row['count_90'] < 5 and row['count_91'] > 0:
            return 0
        # 其他情况都属于违规
        else:
            return 1

# 应用判断函数到每一行
pivot_df['violation'] = pivot_df.apply(check_violation, axis=1)

# 提取最终需要的列
result_df = pivot_df[['violation']].reset_index()

# 输出结果
print(result_df)

简化版（用numpy链式判断） #

如果想让代码更简洁，可以用np.where替代自定义函数：

import pandas as pd
import numpy as np

pivot_df = df.pivot_table(
    index='name',
    columns='id',
    values='id',
    aggfunc='count',
    fill_value=0
).rename(columns={90: 'c90', 91: 'c91'})

# 用np.where嵌套实现多条件判断
pivot_df['violation'] = np.where(
    # 仅一个id的情况，返回0
    (pivot_df['c90'] == 0) | (pivot_df['c91'] == 0),
    0,
    # 两个id的情况，再判断是否符合非违规条件
    np.where(
        (pivot_df['c90'] < 5) & (pivot_df['c91'] > 0),
        0,
        1
    )
)

result_df = pivot_df[['violation']].reset_index()

这样就能完美得到你想要的违规分类结果啦！

内容的提问来源于stack exchange，提问作者user13419531