Python Pandas SUMIF excel 等效

Question

我不知道如何在我的 python 脚本中完成特定任务。

我有一个数据框，其中包含特定主题的媒体报道。我的专栏之一是特定文章的作者，例如...

我正在尝试创建一个数据透视表 table 来显示列中每个记者的总数，就像这样

datajournalist = company1_topline.pivot_table(index='AuthorUsername', values='ContentID', aggfunc= np.count_nonzero )

这会给我类似的东西

AuthorUsername                                                 count_nonzero
Aaron Mehta                                                      1              
Aamer Madhani                                                    1               
Aamer Madhani ; Ben Fox                                          1

我正在寻找的是一种让主元 table 也计算出现在多个值单元格中的姓名的方法，以获得每个作者的真实计数。因此，例如，具有“Aamer Madhani ; Ben Fox”的行也将计入“Aamer Madhani”的计数，因此仅“Aamer Madhani”的行将计数为 2 而不是 1 等......是有办法做到这一点？在 excel 中，这可以通过 SUMIF 实现，但我不知道如何使用 Python/Pandas。

期望的输出

AuthorUsername                                                 count_nonzero
Aaron Mehta                                                      1              
Aamer Madhani                                                    2               
Aamer Madhani ; Ben Fox                                          1

如果有人能指出我正确的方向，将不胜感激。

Answer 1

你的 DataFrame 有这样的 AuthorUsername 列：

            AuthorUsername
0              Aaron Mehta
1            Aamer Madhani
2  Aamer Madhani ; Ben Fox

你可以做到：

import collections

# Remove leading and trailing spaces (if any).
df['AuthorUsername'] = df['AuthorUsername'].str.strip()

# Get unique authors and their counts.
authors_counts = collections.Counter(df['AuthorUsername'].str.split('\s*;\s*').sum())

# Add to new column.
real_counts = collections.defaultdict(lambda: 1, authors_counts)
df['count_nonzero'] = [real_counts[a] for a in df['AuthorUsername']]

print(df)

结果：

            AuthorUsername  count_nonzero
0              Aaron Mehta              1
1            Aamer Madhani              2
2  Aamer Madhani ; Ben Fox              1

评论后编辑 - 汇总更多指标：

在评论之后，这是一个更通用的版本，它还可以对 Metrics 列和可能的其他列进行求和。

输入数据帧：

            AuthorUsername  Metrics
0              Aaron Mehta      1.3
1            Aamer Madhani      2.0
2  Aamer Madhani ; Ben Fox      0.5

代码：

df['AuthorUsername'] = df['AuthorUsername'].str.strip()
df['single_authors'] = df['AuthorUsername'].str.split('\s*;\s*')

df['count_nonzero'] = 1
single_metrics = df.explode('single_authors').groupby('single_authors').sum()
multiple_metrics = df[df['single_authors'].map(len) > 1].groupby('AuthorUsername').sum()

all_metrics = pd.concat([single_metrics, multiple_metrics]).rename_axis('AuthorUsername').reset_index()

df = df.drop(columns=['Metrics', 'count_nonzero', 'single_authors']).merge(all_metrics, how='left', on='AuthorUsername')

print(df)

结果：

            AuthorUsername  Metrics  count_nonzero
0              Aaron Mehta      1.3              1
1            Aamer Madhani      2.5              2
2  Aamer Madhani ; Ben Fox      0.5              1

Python Pandas SUMIF excel 等效

Python Pandas SUMIF excel equivalent

excel

python-3.x

pandas

评论后编辑 - 汇总更多指标：