如何按指定条件对字段计数，实现日期分组多维度统计

核心逻辑是：以date为分组维度，单次扫描数据即可完成所有统计指标的计算，无需对同一数据多次做重复筛选。 #

常见实现方式 #

1. SQL 实现 #

利用聚合函数结合条件判断，仅对满足指定条件的行做计数，有两种常用写法：

• 兼容所有数据库的CASE WHEN写法：通过COUNT()自动跳过NULL值的特性，不满足条件的行返回NULL即可不被计入

  SELECT
    date,
    COUNT(train) AS `train count`,
    -- 统计condition1 > 0的行数
    COUNT(CASE WHEN condition1 > 0 THEN 1 END) AS `condition1 > 0`,
    -- 统计condition2为true的行数
    COUNT(CASE WHEN condition2 = true THEN 1 END) AS `condition2 is true`,
    -- 统计满足组合条件的行数
    COUNT(CASE WHEN condition1 > 0 AND condition2 = false THEN 1 END) AS `condition1 > 0 and condition2 is false`
  FROM 你的原始数据表
  GROUP BY date
  

• 支持布尔隐式转换的数据库（MySQL、PostgreSQL等）可以简化为SUM()写法：布尔判断的结果会自动转换为1（true）和0（false），求和后就是满足条件的行数

  SELECT
    date,
    COUNT(train) AS `train count`,
    SUM(condition1 > 0) AS `condition1 > 0`,
    SUM(condition2 = true) AS `condition2 is true`,
    SUM(condition1 > 0 AND condition2 = false) AS `condition1 > 0 and condition2 is false`
  FROM 你的原始数据表
  GROUP BY date
  

注意：按照你给出的原始明细数据计算，date=1分组的实际统计结果应为：总train数3、condition1>0的有2条、condition2为true的有1条、组合条件满足的有1条；date=2分组的统计结果为总train数1、各条件计数1、1、0，你给出的期望表数值与实际逻辑反向，可以核对下统计规则。

2. Pandas 实现 #

适合本地Python环境下的数据统计，分组后聚合即可完成计算，数据量大时优先选择提前构造标记列的写法，避免lambda嵌套带来的性能开销：

1. 先对每一行打条件标记，满足条件记1，不满足记0

   import pandas as pd
   
   # 读取原始数据到df中
   df['cond1_gt0_flag'] = (df['condition1'] > 0).astype(int)
   df['cond2_true_flag'] = (df['condition2'] == True).astype(int)
   df['comb_cond_flag'] = ((df['condition1'] > 0) & (df['condition2'] == False)).astype(int)
   

2. 按date分组聚合所有指标

   stat_result = df.groupby('date').agg(
       train_count=('train', 'count'),
       condition1_gt0=('cond1_gt0_flag', 'sum'),
       condition2_is_true=('cond2_true_flag', 'sum'),
       comb_cond_count=('comb_cond_flag', 'sum')
   ).reset_index()
   

内容的提问来源于stack exchange，提问作者Pythoner