Pandas 计算 2 列中的值对，并以第三列为条件

Question

我有一个包含三列的数据集：用户名、计算机、成功/失败。

我想计算有多少个相似的用户名+计算机对，其中第三列是成功。 我希望结果是一个包含 1 列的数据集，如果原始数据集中的第三列为 Failure，则结果中的同一列将包含 0。 结果表必须包含与原始表相同数量的行。

例如：

原始数据集：

用户	计算机	成功或失败
admin	DC	成功
admin	DC	成功
admin	DC	失败
admin	服务器	成功
admin	服务器	失败
用户	计算机	成功
用户	计算机	成功
用户	计算机	失败

结果：

无	计数
1	2
2	2
3	0
4	1
5	0
6	2
7	2
8	0

所有失败的行都不计算在内，并且在结果中用 0 填充。

我正在使用 pandas 在 python 中进行编程。我可以使用 tolist() 方法来执行此操作，然后使用简单的 for 循环和条件创建一个新列表，但我正在寻找一种使用 pandas 内置方法来执行此操作以节省内存和时间的方法。

非常感谢！

这是使用 tolist 方法的代码：

result = [user_and_computer = [list(x) for x in list(zip(df["user"].tolist(),df["computer"].tolist(),df["is_success"].tolist()))]
for logon in user_and computer:
    if is_success:
         result.append(user_and_computer.count(logon))
    else:
         result.append(0)

Answer 1

首先创建一个布尔掩码来查找值为 Success 的行，然后将此掩码本身与 User 和 Computer 列分组并进行转换用 sum 得到结果

m = df['Success or Failure'].eq('Success')
df['count'] = m.groupby([df['User'], df['Computer'], m]).transform('sum')

---

    User  Computer Success or Failure  count
0  admin        DC            Success      2
1  admin        DC            Success      2
2  admin        DC               Fail      0
3  admin    Server            Success      1
4  admin    Server               Fail      0
5   User  Computer            Success      2
6   User  Computer            Success      2
7   User  Computer               Fail      0

Answer 2

尝试：

df["Count"] = df.groupby(["User", "Computer"])["Success or Failure"].transform(
    lambda x: x.eq("Success").sum()
)
df.loc[df["Success or Failure"] != "Success", "Count"] = 0
print(df)

打印：

    User  Computer Success or Failure  Count
0  admin        DC            Success      2
1  admin        DC            Success      2
2  admin        DC               Fail      0
3  admin    Server            Success      1
4  admin    Server               Fail      0
5   User  Computer            Success      2
6   User  Computer            Success      2
7   User  Computer               Fail      0