我們有一個多索引資料框，如下所示：
date condition_1 condition_2
item1 0 2021-06-10 06:30:00 00:00 True False
1 2021-06-10 07:00:00 00:00 False True
2 2021-06-10 07:30:00 00:00 True True
item2 3 2021-06-10 06:30:00 00:00 True False
4 2021-06-10 07:00:00 00:00 True True
5 2021-06-10 07:30:00 00:00 True True
item3 6 2021-06-10 06:30:00 00:00 True True
7 2021-06-10 07:00:00 00:00 False True
8 2021-06-10 07:30:00 00:00 True True
專案之間的重復值date（因為 df 是資料幀字典上默認 concat 的結果）。
我們基本上要矢量化的邏輯是“對于所有專案的條件_1 為真的每個日期：在所有專案的新結果列中將條件_2 為真的出現求和”。
根據上面的示例，結果基本上看起來像這樣（關于它是如何派生的評論：在結果列旁邊）：
date condition_1 condition_2 result
item1 0 2021-06-10 06:30:00 00:00 True False 1 [because condition_1 is True for all items and condition_2 is True once]
1 2021-06-10 07:00:00 00:00 False True 0 [condition_1 is not True for all items so condition_2 is irrelevant]
2 2021-06-10 07:30:00 00:00 True True 3 [both conditions are True for all 3 items]
item2 3 2021-06-10 06:30:00 00:00 True False 1 [a repeat for the same reasons]
4 2021-06-10 07:00:00 00:00 True True 0 [a repeat for the same reasons]
5 2021-06-10 07:30:00 00:00 True True 3 [a repeat for the same reasons]
item3 6 2021-06-10 06:30:00 00:00 True True 1 [a repeat for the same reasons]
7 2021-06-10 07:00:00 00:00 False True 0 [a repeat for the same reasons]
8 2021-06-10 07:30:00 00:00 True True 3 [a repeat for the same reasons]
uj5u.com熱心網友回復：
這是我想出的。
def cond_sum(s):
return s.cond1.all() * s.cond2.sum()
df.reset_index(level=0, inplace=True)
df['result'] = df.groupby('date').apply(cond_sum)
df.set_index('item', append=True)
然后，如果您想要原始索引，可以將其添加回來。
df.set_index('item', append=True).swaplevel()
請注意，您提到了矢量化，因此您可以將其換成：
dfg = df.groupby(level=0).agg({'cond1': 'all', 'cond2': 'sum'})
df['result'] = dfg.cond1 * dfg.cond2
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/474765.html