Question

我在看似难以置信的简单操作方面遇到了麻烦。通过诸如df.groupby['col1'].size()之类的操作从组中获得总数百分比的最简单方法是什么。分组后我的DF看起来像这样，我只想要一个百分比。我记得过去使用过这种说法的变体，但现在无法使其发挥作用：percent = totals.div(totals.sum(1), axis=0)

原创DF：

       A   B   C
    0  77   3  98
    1  77  52  99
    2  77  58  61
    3  77   3  93
    4  77  31  99
    5  77  53  51
    6  77   2   9
    7  72  25  78
    8  34  41  34
    9  44  95  27

结果：

df1.groupby('A').size() / df1.groupby('A').size().sum()

    A
    34    0.1
    44    0.1
    72    0.1
    77    0.7

这是我到目前为止提出的，这似乎是非常合理的方法：

df.groupby('col1').size().apply(lambda x: float(x) / df.groupby('col1').size().sum()*100)

Answer 1

我不知道我是否遗漏了某些东西，但看起来你可以这样做：

df.groupby('A').size() * 100 / len(df)

或

df.groupby('A').size() * 100 / df.shape[0]

Answer 2

通过使用以下形状在DF（3e6,59）上获得良好的性能（3.73s）： df.groupby('col1').size().apply(lambda x: float(x) / df.groupby('col1').size().sum()*100)

Answer 3

怎么样：

df = pd.DataFrame({'A': {0: 77, 1: 77, 2: 77, 3: 77, 4: 77, 5: 77, 6: 77, 7: 72, 8: 34, 9: None},
                   'B': {0: 3, 1: 52, 2: 58, 3: 3, 4: 31, 5: 53, 6: 2, 7: 25, 8: 41, 9: 95},
                   'C': {0: 98, 1: 99, 2: 61, 3: 93, 4: 99, 5: 51, 6: 9, 7: 78, 8: 34, 9: 27}})

>>> df.groupby('A').size().divide(sum(df['A'].notnull()))
A
34    0.111111
72    0.111111
77    0.777778
dtype: float64

>>> df
    A   B   C
0  77   3  98
1  77  52  99
2  77  58  61
3  77   3  93
4  77  31  99
5  77  53  51
6  77   2   9
7  72  25  78
8  34  41  34
9 NaN  95  27

Pandas非常简单的百分比来自Group by

3 个答案: