Pandas Groupby统计异常：user_win_count与user_game_count值相同排查

嘿，我一眼就揪出问题所在啦！你代码里的user_win_count计算逻辑错了——len(x['result'] == 'Won')根本不是在统计获胜记录数，而是在计算布尔判断后生成的Series的总长度。

错误原因详解 #

当你执行x['result'] == 'Won'时，pandas会返回一个和当前分组数据行数完全相同的布尔Series（每个元素是True/False，对应该行是否获胜）。而len()函数作用在这个Series上时，只会返回它的总元素数，也就是当前分组的总记录数，这自然就和user_game_count（len(x)）的值完全一致了。

修正方法（三种可选） #

我给你整理了三种靠谱的修正方式，按需选择：

方法1：用sum()统计True的数量（最简洁）

因为Python里True等价于1，False等价于0，直接对布尔序列求和就能得到获胜记录数：

df_user_data = df.groupby(['user_name']) \
    .apply(lambda x: pd.Series(
        {'user_mean_amount': sum(x['user_amount'])/len(x),
         'user_game_count': len(x),
         'user_win_count': sum(x['result'] == 'Won')
         })).reset_index()

方法2：用布尔索引筛选后取长度

先筛选出结果为'Won'的行，再计算长度：

df_user_data = df.groupby(['user_name']) \
    .apply(lambda x: pd.Series(
        {'user_mean_amount': sum(x['user_amount'])/len(x),
         'user_game_count': len(x),
         'user_win_count': len(x[x['result'] == 'Won'])
         })).reset_index()

方法3：用value_counts()（兼容无获胜记录的情况）

如果存在某个用户没有任何获胜记录的情况，用value_counts().get('Won', 0)可以避免KeyError，默认返回0：

df_user_data = df.groupby(['user_name']) \
    .apply(lambda x: pd.Series(
        {'user_mean_amount': sum(x['user_amount'])/len(x),
         'user_game_count': len(x),
         'user_win_count': x['result'].value_counts().get('Won', 0)
         })).reset_index()

进阶优化：用agg方法更高效 #

其实pandas的agg方法比apply更高效，代码可读性也更强，推荐你这样写：

df_user_data = df.groupby('user_name').agg(
    user_mean_amount=('user_amount', 'mean'),  # 直接用mean方法替代手动计算
    user_game_count=('user_name', 'count'),
    user_win_count=('result', lambda s: sum(s == 'Won'))
).reset_index()

内容的提问来源于stack exchange，提问作者Edamame