如何使用 Python 计算分类列的分组比例（在组比例内）？

Question

我找到了一个行之有效的单行解决方案。

这里的目标是估计研究中的位置性别比例。

# Data Frame
df = pd.DataFrame({"location": {0: "site 1", 1: "site 1", 2: "site 2", 3: "site 2", 4: "site 1"},
                   "gender": {0: "male", 1: "female", 2: "male", 3: "female", 4: "female"}})

print(df)

使用以下步骤产生结果

步骤 1. 应用 groupby

步骤 2. 使用 value_count

步骤 3. 使用 unstack

第 4 步。乘以 100 并将所有内容放入一个圆形函数中。

round(df.groupby(['location'])['gender'].value_counts(normalize = True).unstack()*100, 2)

还有其他解决方案吗？如果有人有其他解决方案/代码，请在此处分享。

Answer 1

这是一个很好的解决方案。

也许您可以将round(..., 2) 替换为.round(2) 并将NaN 填充为0。

>>> df.groupby('location')['gender'] \
      .value_counts(normalize=True) \
      .unstack() \
      .mul(100) \
      .round(2) \
      .fillna(0)

# Output
gender    female   male
location
site 1     66.67  33.33
site 2     50.00  50.00

或

您可以使用pd.crosstab 来代替groupby：

>>> pd.crosstab(df['location'], df['gender']) \
      .apply(lambda x: round(x / x.sum() * 100, 2), axis=1)

# Output
gender    female   male
location
site 1     66.67  33.33
site 2     50.00  50.00

Answer 2

我有另一个解决方案，但这在 python 中使用了 R 的 dplyr 样式代码。为了实现这一点，我使用了 python 的 dfply 库。

# Import libraries
from dfply import *
import pandas as pd

# Data Frame
df = pd.DataFrame({"location": {0: "site 1", 1: "site 1", 2: "site 2", 3: "site 2", 4: "site 1"},
               "gender": {0: "male", 1: "female", 2: "male", 3: "female", 4: "female"}})


# dfply code

(
df >>
select(X.location, X.gender) >>
group_by(X.location, X.gender) >>
summarize(Count = n(X.gender)) >>
    group_by(X.location) >>
    mutate(Proportion = (X.Count/(X.Count).sum()).mul(100))
).round(2)

这是结果