Pandas使用NamedAgg按小时、来源分组实现带条件分状态订单数统计

该需求完全可通过pandas.NamedAgg实现，无需将order_state列纳入分组维度，即可完成跨订单状态的条件统计。

问题根因定位 #

现有代码的条件计数逻辑存在本质偏差：

lambda x: (x == 'finished').count()

上述代码执行时，x == 'finished'会生成布尔值序列，调用序列的.count()方法仅会统计序列内非空元素的总数量，和布尔值本身的真假无关，因此最终计算结果和直接统计分组内总行数完全一致，直接导致所有统计列都输出全量订单数的异常现象。

修正实现 #

将原有计数逻辑调整为对布尔序列求和即可：pandas中布尔序列的.sum()方法会自动将True映射为1、False映射为0做累加计算，结果恰好等于序列内符合条件的元素个数。
修正后的完整代码如下：

orders_agg = orders.groupby(
    by=[pandas.Grouper(key='created_at', freq='H'), 'source']
).agg(
    orders_count=pandas.NamedAgg('created_at', 'count'),
    finished_orders_count=pandas.NamedAgg('order_state', lambda x: (x == 'finished').sum()),
    cancelled_orders_count=pandas.NamedAgg('order_state', lambda x: (x == 'offer_cancelled').sum())
).reset_index().rename(columns={'created_at': 'datetime_msk'})

补充说明：上述实现全程未修改分组维度，仅在聚合阶段对order_state列做条件判断，输出结果会按小时时间粒度、source维度拆分，同步展示总订单量、已完成订单量、已取消订单量的统计值，完全匹配预期统计效果。

内容的提问来源于stack exchange，提问作者user14360444