汇总 Python Pandas 中的组并从特定计数中吐出百分比

Question

我想弄清楚如何通过在新列上创建百分比和总和来聚合 Pandas 数据框中的组。

例如，在下面的数据框中，我有 A、B、C 和 D 列。我想按 A 中的组进行聚合，C 应该是（“1”的频率除以按非缺失值的频率），D 应该是非缺失值的总和。

例如，对于'foo'组，结果数据框应该是

A    B    C        D
foo       1.333    4

我可以在这里和那里做一些单独的部分，但不确定如何在一个连贯的脚本中编译：

import pandas
from pandas import DataFrame
import numpy as np


df = DataFrame({'A' : ['foo', 'foo', 'foo', 'foo',
                        'bar', 'bar', 'bar', 'bar'],
                 'B' : ['one', 'one', 'two', 'three',
                        'two', 'two', 'one', 'three'],
                 'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 'D' : [2, '', 1, 1, '', 2, 2, 1]})

print df

#df.C.fillna(999, inplace=True)
df.D.replace('', np.NaN, inplace=True)

print df

grouped = df.groupby('A')

#print grouped.last()
#print grouped.sum()
#print grouped.mean()
#print grouped.count()

grouped_aggre = grouped.aggregate(np.sum)

print grouped_aggre
print df.D.mean()
print df.C.mean()

print '//////////////////'
print df.C.count()
print df.C.value_counts(dropna=True)

此外，如何使用上述 C 和 D 列汇总统计信息按 A 和 B 列进行汇总？

原始数据框：

     A      B   C   D
0  foo    one   1   2
1  foo    one NaN NaN
2  foo    two   1   1
3  foo  three   2   1
4  bar    two NaN NaN
5  bar    two   1   2
6  bar    one   1   2
7  bar  three   2   1

预期结果：

A    B    C        D
foo       1.333    4
bar       1.333    5

Answer 1

您可以使用 groupby/agg 进行求和和计数：

result = df.groupby(['A']).agg({'C': lambda x: x.sum()/x.count(), 'D':'sum'})

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {'A' : ['foo', 'foo', 'foo', 'foo',
            'bar', 'bar', 'bar', 'bar'],
     'B' : ['one', 'one', 'two', 'three',
            'two', 'two', 'one', 'three'],
     'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 
     'D' : [2, '', 1, 1, '', 2, 2, 1]})
df['D'].replace('', np.NaN, inplace=True)

result = df.groupby(['A']).agg({'C': lambda x: x.sum()/x.count(), 'D':'sum'})
print(result)

产量

            C  D
A               
bar  1.333333  5
foo  1.333333  4

汇总 Python Pandas 中的组并从特定计数中吐出百分比

Aggregate groups in Python Pandas and spit out percentage from a certain count

numpy

aggregate-functions

python-2.7

pandas