使用计数和比例将分类变量的 Pandas DataFrame 转换为 MultiIndex

Question

我有一个包含多个分类变量的 Pandas DataFrame。例如：

import pandas as pd

d = {'grade':['A','B','C','A','B'], 
    'year':['2013','2013','2013','2012','2012']}

df = pd.DataFrame(d)

我想将其转换为具有以下属性的 MultiIndex DataFrame：

• 第一级索引是变量名（例如'grade'）
• 二级索引是变量内的级别（例如“A”、“B”、“C”）
• 一列包含“n”，该级别出现的次数的计数
• 第二列包含“比例”，即该级别表示的比例。

例如：

任何人都可以建议一种创建此 MultiIndex DataFrame 的方法吗？

Answer 1

您可以使用meltand执行此操作的另一种方法groupby：

df_out = df.melt().groupby(['variable','value']).size().to_frame(name='n')
df_out['proportion'] = df_out['n'].div(df_out.n.sum(level=0),level=0)
print(df_out)

输出：

                n  proportion
variable value               
grade    A      2         0.4
         B      2         0.4
         C      1         0.2
year     2012   2         0.4
         2013   3         0.6

而且，如果您真的想发疯并在单行中做到这一点：

(df.melt().groupby(['variable','value']).size().to_frame(name='n')
  .pipe(lambda x: x.assign(proportion = x[['n']]/x.groupby(level=0).transform('sum'))))

使用@Wen pct 计算的升级解决方案：

(df.melt().groupby(['variable','value']).size().to_frame(name='n')
  .pipe(lambda x: x.assign(proportion = x['n'].div(x.n.sum(level=0),level=0))))