Группировка, сводка с несколькими столбцами и количеством условий

У меня есть фрейм данных:

df = pd.DataFrame({
    "Agreement": ["Peace", "Peace", "Love", "Love", "Sun","Sun","Sun"],
    "country1": ["USA", "UK", "Germany", "Spain", "Italy","India","China"],
    "country2": ["Canada", "France", "Portugal", "Italy","India","Spain","UK"],
    "EP1": [1, 0, 1, 0, 0,1,1],
    "EP2": [0, 0, 0, 0,0,0,0],
    "EP3": [1, 0, 1, 0,1,1,1]
})

Я хотел бы сгруппировать или повернуть, чтобы получить количество раз, когда страна находится в соглашении, по крайней мере, с одним EP, равным или большим 1. Я хотел бы в качестве вывода:

df = pd.DataFrame({
    "Country": ["USA", "UK", "Germany", "Spain", "Italy","India","China", "Canada","France","Portugal"],
    "Agreement with at least one EP per country": [1, 1, 1, 1,1,2,1,1,0,1]
})

Я пробовал с поворотом и группировкой и циклом, но я никогда не достигал желаемого результата. Спасибо

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
55
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Суммируйте столбцы «EPx» в «Соглашении», а затем сгладьте свой фрейм данных. Наконец, сгруппируйте по странам, чтобы подсчитать количество соглашений.

cols = ['country1', 'country2', 'Agreement']
out = (df.assign(Agreement=df.filter(like='EP').any(axis=1))[cols]
         .melt('Agreement', value_name='Country')
         .groupby('Country', sort=False)['Agreement'].sum().reset_index())
print(out)

# Output
    Country  Agreement
0       USA          1
1        UK          1
2   Germany          1
3     Spain          1
4     Italy          1
5     India          2
6     China          1
7    Canada          1
8    France          0
9  Portugal          1

Обновлять

Меня интересует количество раз, когда страна находится в уникальном соглашении, по крайней мере, с одним EP, равным или большим 1.

cols = ['country1', 'country2', 'Agreement']
out = (df.assign(Agreement=df.filter(like='EP').any(axis=1))[cols]
         .melt('Agreement', value_name='Country')
         .groupby('Country', sort=False)['Agreement'].max().astype(int).reset_index())
print(out)

# Output
    Country  Agreement
0       USA          1
1        UK          1
2   Germany          1
3     Spain          1
4     Italy          1
5     India          1
6     China          1
7    Canada          1
8    France          0
9  Portugal          1

Другие вопросы по теме