用 groupby 划分两列的 Pandas

Question

这显然很简单，但作为熊猫新手，我遇到了困难。

我有一个 CSV 文件，其中包含 3 列，即 State、bene_1_count 和 bene_2_count。

我想计算给定状态下 'bene_1_count' 和 'bene_2_count' 的比率。

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
           'bene_1_count': [np.random.randint(10000, 99999)
                     for _ in range(12)],
           'bene_2_count': [np.random.randint(10000, 99999)
                     for _ in range(12)]})

我正在尝试以下操作，但它给了我一个错误： '没有要连接的对象'

df['ratio'] = df.groupby(['state']).agg(df['bene_1_count']/df['bene_2_count'])

我无法弄清楚如何“达到” groupby 的状态级别以获取列的比率。

我想要一个状态的列的比率，就像我想要我的输出如下：

    State       ratio

    CA  
    WA  
    CO  
    AZ  

Answer 1

另外，声明：您可以创建接受数据框的自定义函数。 groupby 将返回子数据帧。然后，您可以使用 apply 函数将自定义函数应用于每个子数据帧。

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
           'bene_1_count': [np.random.randint(10000, 99999)
                     for _ in range(12)],
           'bene_2_count': [np.random.randint(10000, 99999)
                     for _ in range(12)]})

def divide_two_cols(df_sub):
    return df_sub['bene_1_count'].sum() / float(df_sub['bene_2_count'].sum())

df.groupby('state').apply(divide_two_cols)

现在假设您希望将每一行除以每组的总和（例如 AZ 的总和），并保留所有原始列。只需调整上述函数（更改计算并返回整个子数据帧）：

def divide_two_cols(df_sub):
    df_sub['divs'] = df_sub['bene_1_count'] / float(df_sub['bene_2_count'].sum())
    return df_sub

df.groupby('state').apply(divide_two_cols)

Answer 2

我相信您首先需要做的是在找到比率之前按州对计数求和。您可以使用apply访问df中的其他列，然后将它们存储在字典中以映射到原始数据帧中的相应状态。

import pandas as pd
import numpy as np
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
            'bene_1_count': [np.random.randint(10000, 99999)
                      for _ in range(12)],
            'bene_2_count': [np.random.randint(10000, 99999)
                      for _ in range(12)]})

ratios = df.groupby('state').apply(lambda x: x['bene_1_count'].sum() /
                                   x['bene_2_count'].sum().astype(float)).to_dict()

df['ratio'] = df['state'].map(ratios)