如何使用 agg 函数获取列中缺失的百分比？答案

【问题标题】：How can I get the percentage of missing in a column using agg function?如何使用 agg 函数获取列中缺失的百分比？
【发布时间】：2021-01-22 06:51:42
【问题描述】：

我正在使用数据集 database_versao_LatLongDecimal_fonteANM_23_01_2019.csv - 你可以在这里找到它https://www.kaggle.com/edumagalhaes/brazilian-dams-and-brumadinho-households - 我希望在“CATEGORIA_DE_RISCO”列中找到缺失的百分比，按 UF 分组。

这是我尝试过的：

summary = (
    base_1.groupby(["UF"], sort=False)
    .agg(
        media=("Dano_Potencial__Alta", "count"),
        minimo=("Dano_Potencial__Alta", "mean"),
        Missing_Risco=(
            "CATEGORIA_DE_RISCO",
            lambda x: x.CATEGORIA_DE_RISCO.isnull().sum() / len(x),
        )
    )
    .reset_index()
    .round(1)
)

summary

但我不断收到错误消息：

AttributeError: 'Series' object has no attribute 'CATEGORIA_DE_RISCO'

我了解该错误，但我不确定它为什么会发生以及如何解决它。我确信我会在这里找到一些答案，但我只发现了如何丢失一列以及如何获得某个值的百分比。这很奇怪，因为我使用了与帖子Aggregate groups in Python Pandas and spit out percentage from a certain count 的答案类似的逻辑。

【问题讨论】：

标签： python pandas dataframe aggregate-functions

【解决方案1】：

删除列名并改为将sum除以长度使用mean：

summary = (
    base_1.groupby(["UF"], sort=False)
    .agg(
        media=("Dano_Potencial__Alta", "count"),
        minimo=("Dano_Potencial__Alta", "mean"),
        Missing_Risco=(
            "CATEGORIA_DE_RISCO",
            lambda x: x.isnull().mean(),
        )
    )
    .reset_index()
    .round(1)
)

辅助列的另一个想法：

summary = (
    base_1.assign(null_col = base_1['CATEGORIA_DE_RISCO'].isnull())
    .groupby(["UF"], sort=False)
    .agg(
        media=("Dano_Potencial__Alta", "count"),
        minimo=("Dano_Potencial__Alta", "mean"),
        Missing_Risco=("null_col",'mean')
    )
    .reset_index()
    .round(1)
)

【讨论】：