pandas-分类变量的百分比计数

Question

我有一个 pandas df 喜欢

df_test = pd.DataFrame({'A': 'a a a b b'.split(), 'B': ['Y','N','Y','Y','N']})

我想要的输出是 df_test2 = pd.DataFrame({'A': 'a b'.split(), 'B': [2/3,1/2]}) How would you do a groupby().apply by A 列来获取 B 列中“Y”的百分比？

我一直在搜索 groupby.apply() 但到目前为止没有任何效果谢谢！

Answer 1

个人最喜欢的方式：

df.column_name.value_counts() / len(df)

给出一个系列，其中列的值作为索引，比例作为值。

Answer 2

这是一个通用的解决方案，在使用 groupby 之前不会更改表或进行任何类型的过滤或转换。

> s = df_test.groupby(['A'])['B'].value_counts(normalize=True)
> print(s)

A  B
a  Y    0.666667
   N    0.333333
b  N    0.500000
   Y    0.500000
Name: B, dtype: float64

上面的变量s是一个多索引系列，您可以使用 .loc访问任何行

> s.loc[:,'Y']
A
a    0.666667
b    0.500000
Name: B, dtype: float64

同样，您可以使用同一系列访问有关“N”的详细信息。

> s.loc[:,'N']
A
a    0.333333
b    0.500000
Name: B, dtype: float64

PS： 如果您想更好地理解groupby，请尝试解码此代码，该代码与上面的代码完全相同，但仅更改了列名称和结果。

> r = df_test.groupby(['B'])['A'].value_counts(normalize=True)
> print(r)
B  A
N  a    0.500000
   b    0.500000
Y  a    0.666667
   b    0.333333
Name: A, dtype: float64

和

> r.loc['Y',:]
B  A
Y  a    0.666667
   b    0.333333
Name: A, dtype: float64

Answer 3

GroupBy.mean与布尔掩码一起使用，其中Trues 是类似 的进程1，不需要新列，因为也传递Series df_test["A"]到groupby：

注意：

相反， ==用于eq更清晰的语法。

df = df_test["B"].eq('Y').groupby(df_test["A"]).mean().reset_index()
print (df)
   A         B
0  a  0.666667
1  b  0.500000