Pandas：如何查找每个子组的组成员类型百分比？答案

【问题标题】：Pandas: How to find percentage of group members type per subgroup?Pandas：如何查找每个子组的组成员类型百分比？
【发布时间】：2020-05-13 18:26:13
【问题描述】：

（问题结束时的数据样本和尝试）

使用这样的数据框：

    Type    Class   Area    Decision
0   A       1       North   Yes
1   B       1       North   Yes
2   C       2       South   No
3   A       3       South   No
4   B       3       South   No
5   C       1       South   No
6   A       2       North   Yes
7   B       3       South   Yes
8   B       1       North   No
9   C       1       East    No
10  C       2       West    Yes

如何找到每个类型[A, B, C, D] 属于每个区域[North, South, East, West] 的百分比？

期望的输出：

    North   South   East    West
A   0.66    0.33    0       0
B   0.5     0.5     0       0
C   0       0.5     0.25    0.25

到目前为止我最好的尝试是：

df_attempt1= df.groupby(['Area', 'Type'])['Type'].aggregate('count').unstack().T

返回：

Area  East  North  South  West
Type                          
A      NaN    2.0    1.0   NaN
B      NaN    2.0    2.0   NaN
C      1.0    NaN    2.0   1.0

我想我可以通过计算边距中的总和并附加0 来弥补缺失的观察结果，但我非常感谢有关更优雅方法的建议。

感谢您的任何建议！

代码：

import pandas as pd

df = pd.DataFrame(
    {
        "Type": {0: "A", 1: "B", 2: "C", 3: "A", 4: "B", 5: "C", 6: "A", 7: "B", 8: "B", 9: "C", 10: "C"},
        "Class": {0: 1, 1: 1, 2: 2, 3: 3, 4: 3, 5: 1, 6: 2, 7: 3, 8: 1, 9: 1, 10: 2},
        "Area": {0: "North", 1: "North", 2: "South", 3: "South", 4: "South", 5: "South", 6: "North", 7: "South", 8: "North", 9: "East", 10: "West"},
        "Decision": {0: "Yes", 1: "Yes", 2: "No", 3: "No", 4: "No", 5: "No", 6: "Yes", 7: "Yes", 8: "No", 9: "No", 10: "Yes"},
    }
)

dfg = df[['Area', 'Type']].groupby(['Area']).agg('count').unstack()

df_attempt1 = df.groupby(['Area', 'Type'])['Type'].aggregate('count').unstack().T

【问题讨论】：

标签： python pandas dataframe group-by

【解决方案1】：

你可以这样做：

import pandas as pd
df = pd.DataFrame([r.split() for r in '''Index Type    Class   Area    Decision
0   A       1       North   Yes
1   B       1       North   Yes
2   C       2       South   No
3   A       3       South   No
4   B       3       South   No
5   C       1       South   No
6   A       2       North   Yes
7   B       3       South   Yes
8   B       1       North   No
9   C       1       East    No
10  C       2       West    Yes'''.split('\n')])
df.columns = df.iloc[0]
df = df.iloc[1:]

table = pd.pivot_table(df, values='Class', index=['Type'], columns=['Area'], aggfunc='count').fillna(0)
table = table.div(table.sum(axis=1), axis=0)

我们将每一列除以表行的相应总和。

它给出了：

Area  East     North     South  West
Type                                
A     0.00  0.666667  0.333333  0.00
B     0.00  0.500000  0.500000  0.00
C     0.25  0.000000  0.500000  0.25

【讨论】：

【解决方案2】：

你已经很接近了。以下应该可以解决问题：

df.groupby('Type')['Area'].value_counts(normalize = True).unstack(fill_value=0)

输出：

Area    East    North       South       West
Type                
A       0.00    0.666667    0.333333    0.00
B       0.00    0.500000    0.500000    0.00
C       0.25    0.000000    0.500000    0.25

如果顺序很重要，您可以通过操作它的列属性重新排序数据框

【讨论】：

@MykolaZotko 整洁 :)
我确实做到了:)

【解决方案3】：

我觉得你可以去value_counts(normalize = True):

>>> df.groupby('Type')['Area'].value_counts(normalize = True).unstack().fillna(0)
Area  East     North     South  West
Type                                
A     0.00  0.666667  0.333333  0.00
B     0.00  0.500000  0.500000  0.00
C     0.25  0.000000  0.500000  0.25

【讨论】：

很好，不知道normalize 参数:-)
@LukasThaler 有句话说，Pandas 拥有你所需要的一切...... ;)

【解决方案4】：

(
    df.groupby('Type')
    .apply(lambda x: x.groupby('Area').Class.count()).unstack(fill_value=0)
    .transform(lambda x: x/x.sum(), axis=1)
)

【讨论】：

【解决方案5】：

你可以使用函数crosstab:

pd.crosstab(index=df['Type'], columns=df['Area'], normalize='index')

输出：

Area  East     North     South  West
Type                                
A     0.00  0.666667  0.333333  0.00
B     0.00  0.500000  0.500000  0.00
C     0.25  0.000000  0.500000  0.25

【讨论】：