Mi problema a resolver trata de un DataFrame de la lista de descargas de modelos, como este:
En el cual tengo que crear un DataFrame resultado que obtenga por cada modelo:
Para ello he hecho este código:
import pandas as pd
import numpy as np
def calcular_estadisticas(descargas:pd.DataFrame)->pd.DataFrame:
# Paso 1: cargar los datos
df = pd.DataFrame(descargas)
# Paso 2: filtrar los datos
df_pagados = df[df["PAGO"] > 0]
# Paso 3: calcular las estadísticas
agg_dict = {
"PAGO": ["count", "mean", "max", "min"],
"ESTRELLAS": ["mean", "std"],
"COMENTARIO": ["count"]
}
stats = df_pagados.groupby("MODELO").agg(agg_dict)
# Paso 4: crear el DataFrame resultado
resultado = pd.DataFrame({
"CANTIDAD": stats["PAGO"]["count"].astype(int),
"PROMEDIO": stats["PAGO"]["mean"].round(2),
"MAXIMO": stats["PAGO"]["max"].round(2),
"MINIMO": stats["PAGO"]["min"].round(2),
"ESTRELLAS": stats["ESTRELLAS"]["mean"].round(2),
"DESV. ESTRELLAS": stats["ESTRELLAS"]["std"].fillna(0).round(2),
"COMENTARIOS": stats["COMENTARIO"]["count"].astype(int)
}, index=stats.index)
# Ordenar los resultados alfabéticamente por nombre de modelo
resultado = resultado.sort_index()
return resultado
Me aparece que todo es correcto excepto los comentarios, porque creo que me cuenta tanto si es true como si es False entonces aparecen más comentarios de los que hay. Si alguien me podría decir como podría contar solo los booleanos que sean sí, muchas gracias.