如何计算“整洁”熊猫数据框中两个过滤变量之间的比率

Question

我有以下“整洁”（长）格式的 Pandas 数据框：

df = pd.DataFrame({'Manufacturer':['Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW'],
                          'Metric':['Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty'],
                          'Sector':['Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA'],
                          'Value':[45000, 70000, 65000, 40000, 65000, 63000, 2700, 4400, 3400, 3000, 4700, 5700, 1500, 2000, 2500, 1300, 2000, 2450],
                       })

我正在尝试计算订单与销售额之间的比率，按制造商和部门细分。

我根据Pandas percentage of total with groupby 中提供的答案尝试了几种方法（例如 groupby、transform 等），但其中任何一种方法都不成功（可能是由于数据的结构有点不同，而且不需要过滤）。

最终目标是制作一个条形图，显示按部门和制造商细分的订单与销售比率，类似于以下内容：

问题：我将如何计算订单与销售额之间的比率（按制造商和部门细分）作为绘制结果的方法？

提前致谢！

---

/////////////////////////////////////// //// 更新/////////////////////////////////// ///

如果我们修改数据框以包含另一列，这会导致其中一个索引中出现重复数据，则会出现错误。

这是更新后的数据框，带有一个新的City 列：

test_df = pd.DataFrame({'Manufacturer':['Ford', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW'],
                          'Metric':['Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty'],
                          'Sector':['Germany', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA'],
                          'Value':[45000, 70000, 90000, 65000, 40000, 65000, 63000, 2700, 4400, 3400, 3000, 4700, 5700, 1500, 2000, 2500, 1300, 2000, 2450],
                          'City': ['Frankfurt', 'Bremen', 'Berlin', 'Hamburg', 'New York', 'Chicago', 'Los Angeles', 'Dresden', 'Munich', 'Cologne', 'Miami', 'Atlanta', 'Phoenix', 'Nuremberg', 'Dusseldorf', 'Leipzig', 'Houston', 'San Diego', 'San Francisco']
                       })

运行以下：

s1=df.set_index(['Manufacturer','Sector']).query("Metric=='Orders'").Value
s2=df.set_index(['Manufacturer','Sector']).query("Metric=='Sales'").Value

s1.div(s2).unstack().plot(kind='bar')

导致以下错误：

`ValueError: Index contains duplicate entries, cannot reshape`

原因是因为这些重复：

Manufacturer   Metric   Sector    Value    City
Ford           Orders   Germany   45000    Frankfurt
Ford           Orders   Germany   70000    Bremen

我尝试使用来自Pandas unstack problems: ValueError: Index contains duplicate entries, cannot reshape 的以下内容来处理这个用例：

df.reset_index().pivot_table(values = 'Value', index = ['Manufacturer', 'Metric'], aggfunc='sum')

但是，我没有成功，仍然收到有关重复值的错误消息。

有人对如何解决这个问题有任何想法吗？

提前致谢！

Answer 1

我将代码创建为按制造商和生产国家/地区比较订单和销售额的图表。

sales = df[df['Metric'] == 'Sales'].set_index(['Manufacturer','Sector']).groupby(level=[0,1])['Value'].sum().to_frame('Sales')

orders = df[df['Metric'] == 'Orders'].set_index(['Manufacturer','Sector']).groupby(level=[0,1])['Value'].sum().to_frame('Orders')
df2 = orders.merge(sales, on=['Manufacturer','Sector'])

df2
              Orders    Sales
Manufacturer Sector     
BMW      Germany    65000   3400
         USA        63000   5700
Ford     Germany    115000  2700
         USA        40000   3000
Mercedes Germany    90000   4400
         USA        65000   4700

df2.plot(kind='bar')

Answer 2

经过一些额外的测试，我找到了解决方案：

test_df = pd.DataFrame({'Manufacturer':['Ford', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW', 'Ford', 'Mercedes', 'BMW'],
                          'Metric':['Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Orders', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Sales', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty', 'Warranty'],
                          'Sector':['Germany', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA', 'Germany', 'Germany', 'Germany', 'USA', 'USA', 'USA'],
                          'Value':[45000, 70000, 90000, 65000, 40000, 65000, 63000, 2700, 4400, 3400, 3000, 4700, 5700, 1500, 2000, 2500, 1300, 2000, 2450],
                          'City': ['Frankfurt', 'Bremen', 'Berlin', 'Hamburg', 'New York', 'Chicago', 'Los Angeles', 'Dresden', 'Munich', 'Cologne', 'Miami', 'Atlanta', 'Phoenix', 'Nuremberg', 'Dusseldorf', 'Leipzig', 'Houston', 'San Diego', 'San Francisco']
                       })

temp_table = test_df.reset_index().pivot_table(values = 'Value', index = ['Manufacturer', 'Metric', 'Sector'], aggfunc='sum')


df_new = temp_table.reset_index()

s1=df_new.set_index(['Manufacturer','Sector']).query("Metric=='Orders'").Value
s2=df_new.set_index(['Manufacturer','Sector']).query("Metric=='Sales'").Value

s1.div(s2).unstack().plot(kind='bar')

感谢@YOBEN_S 提供原始数据集的解决方案并启发了这个解决方案！