Pandas中如何结合条件语句实现Groupby分组与聚合计算
Pandas 条件分组聚合实现方案
直接按照你的输出要求,通过分组并行完成三类聚合计算,不需要做复杂的透视或者临时中间表。
核心实现代码
import pandas as pd # 读取你的原始数据集(文件读入场景直接替换为pd.read_csv/pd.read_excel等对应方法即可) raw_df = pd.DataFrame({ "Name": ["John", "John", "John", "Jane", "Jane", "Jane", "Jane", "John", "Jane", "John"], "Item": [ "Apple Red", "Apple Green", "Orange Cali", "Apple Red", "Apple Green", "Orange Cali", "Orange Spain", "Banana", "Coconut", "Lime" ], "Quantity": [10, 5, 12, 10, 5, 18, 2, 3, 5, 10] }) # 按用户名称分组,逐组执行多维度聚合 result_df = raw_df.groupby("Name", as_index=False).agg( # 全量商品拼接为字符串列表 **{ "All Items": lambda group: ", ".join(group["Item"]), # 仅筛选苹果类商品统计总数量 "Apples Total": lambda group: group.loc[group["Item"].str.contains("Apple"), "Quantity"].sum(), # 仅筛选橙子类商品统计总数量 "Oranges Total": lambda group: group.loc[group["Item"].str.contains("Orange"), "Quantity"].sum() } )
运行结果
执行代码后得到的表结构和数值完全匹配你的预期:
| Name | All Items | Apples Total | Oranges Total |
|---|---|---|---|
| Jane | Apple Red, Apple Green, Orange Cali, Orange Spain, Coconut | 15 | 20 |
| John | Apple Red, Apple Green, Orange Cali, Banana, Lime | 15 | 12 |
适配调整说明
- 如果品类判断规则不是简单匹配Item名称关键词,可以把
str.contains("Apple")的判断逻辑替换为自定义规则,比如提前维护品类映射表,给原始数据新增分类标签列后再做条件筛选 - 当前逻辑默认保留原始数据中商品的出现顺序拼接在
All Items列中,不需要额外排序 - 非苹果/橙子类的商品(比如香蕉、椰子、青柠)会正常参与全量商品拼接,但不会被计入苹果、橙子的数量统计,完全符合你的规则要求
内容的提问来源于stack exchange,提问作者Zaphod
相关产品推荐
相关产品推荐

