第一段引用上面的摘要：本文旨在帮助读者理解 Pandas groupby 函数与 lambda 函数结合使用时，如何正确统计分组中非零值的数量。通过分析常见的错误用法，解释了为什么 sum() 函数能够得到正确结果，而 count() 函数则不能，并提供了清晰的示例代码进行说明。
在使用 Pandas 进行数据分析时，groupby 函数是一个非常强大的工具，它允许我们将数据按照一个或多个列进行分组，并对每个分组应用聚合函数。结合 lambda 函数，我们可以实现更灵活的自定义聚合操作。然而，在某些情况下，我们可能会遇到一些意想不到的结果，例如，在统计分组中非零值的数量时。
考虑以下示例：
import pandas as pd data = [['a', 3], ['a', 3], ['b', 1], ['a', 0], ['b', 0]] df = pd.DataFrame(data, columns=['Room', 'Value']) print(df)
我们的目标是按照 'Room' 列进行分组，并计算每个房间中 'Value' 列中非零值的数量。一种常见的尝试是使用 count() 函数：
sum_df = df.groupby(['Room']).agg(
sumValue=('Value', 'sum'),
nonBlankOccasion=('Value', lambda x: (x > 0).count())
).reset_index()
print(sum_df)然而，上述代码会得到错误的结果：
Room sumValue nonBlankOccasion 0 a 6 3 1 b 1 2
正确的做法是使用 sum() 函数：
sum_df = df.groupby(['Room']).agg(
sumValue=('Value', 'sum'),
nonBlankOccasion=('Value', lambda x: (x > 0).sum())
).reset_index()
print(sum_df)这样才能得到正确的结果：
Room sumValue nonBlankOccasion 0 a 6 2 1 b 1 1
原因分析：
问题的关键在于理解 groupby 函数传递给 lambda 函数的参数是什么。实际上，传递给 lambda 函数的参数是一个 Pandas Series 对象，它包含了每个分组中 'Value' 列的值。
sum_df = df.groupby(['Room']).agg(
nonBlankOccasion=('Value', lambda x: print(type(x > 0)))
).reset_index()这段代码会输出：
<class 'pandas.core.series.Series'> <class 'pandas.core.series.Series'>
这表明 x > 0 的结果是一个布尔类型的 Pandas Series，其中 True 表示对应的值大于 0，False 表示对应的值小于等于 0。
sum_df = df.groupby(['Room']).agg(
nonBlankOccasion=('Value', lambda x: print(x > 0))
).reset_index()这段代码会输出类似如下内容：
0 True 1 True 3 False Name: Value, dtype: bool 2 True 4 False Name: Value, dtype: bool
count() 函数的作用是统计 Series 中元素的个数，因此，x.count() 返回的是 Series 的长度，也就是分组中元素的个数，这并不是我们想要的结果。
而 sum() 函数会将 True 视为 1，False 视为 0，因此，x.sum() 返回的是 Series 中 True 的个数，也就是分组中非零值的数量，这才是我们想要的结果。
总结：
当使用 Pandas groupby 函数和 lambda 函数结合进行聚合操作时，需要仔细考虑 lambda 函数的参数类型和返回值。在统计分组中满足特定条件的元素数量时，应该使用 sum() 函数，而不是 count() 函数。因为count()会统计分组内所有元素的数量，而sum()会将True视为1，False视为0，从而正确计算满足条件的元素数量。
