如何计算指示每列中存在特定值的总和并获取每个 id 的总计数？

Question

我有以下数据框：

emp_id  male    female  Unknown  Month_Year

423       0       0        1     March-2016

423       1       0        0     April-2016 

423       0       1        0     May-2016

423       0       1        0     June-2016

789       1       0        0     June-2017

789       1       0        0     July-2017

789       1       0        0     August-2017

789       0       0        1     September-2017

856       1       0        0     March-2018

856       1       0        0     April-2018

987       0       1        0     June-2019

987       0       1        0     July-2019

987       0       1        0     August-2019

请注意男性、女性和未知栏中的值如下所示：

1 - "Yes"

0 - "No"

可以看出，每个 emp_id 的性别在特定时期内发生变化。（但 emp_id 保持不变，尽管性别发生了变化）。

因此，我必须对每个 emp_id 进行计数，了解性别在特定时期内是否发生变化。我需要这样的东西，

预期数据框：

如果在男性、女性和未知列中观察到：

对于emp_id 423- 所有三列中都存在性别，因此计数为3。

对于emp_id 789- 两列中都存在性别，因此计数为2。

对于emp_id 856和987- 仅在一列中存在性别，因此计数为1。

我使用了下面的代码：

df['Total_count'] = df.groupby('emp_id')['male','female', 'Unknown'].agg(['sum']).reset_index()

但我得到了一个错误，也不符合要求。

所以请让我知道解决方案。

Answer 1

这应该可以解决问题：df['Total_count'] = df.groupby('emp_id')[['male','female','Unknown']].transform('max').sum(axis=1)它所做的就是按 进行分组emp_id并找到每列的最大值，然后对这些列进行求和。它的使用transform()是为了保证数据大小不会减少。