预期结果：

Question

这是数据框“df”中的数据：

Document    Name    Time
SPS2315511  A   1 HOUR
SPS2315512  B   1 - 2 HOUR
SPS2315513  C   2 - 3 HOUR
SPS2315514  C   1 HOUR
SPS2315515  B   1 HOUR
SPS2315516  A   2 - 3 HOUR
SPS2315517  A   1 - 2 HOUR

我使用下面的代码，它给出了数据透视表中的计数摘要，

table = pivot_table(df, values=["Document"],
                    index=["Name"], columns=["Time"],
                    aggfunc=lambda x: len(x),
                    margins=True, dropna=True)

但我想要的是在右键单击数据透视表并选择“显示值为 - ＆gt;行总计百分比”时的行计算百分比。由于我的文档是非数字值，我无法得到它。

预期结果：

Count of Document   Column Labels

Name    1 HOUR  1 - 2 HOUR  2 - 3 HOUR  Grand Total
A   33.33%  33.33%  33.33%  100.00%
B   50.00%  50.00%  0.00%   100.00%
C   50.00%  0.00%   50.00%  100.00%
Grand Total 42.86%  28.57%  28.57%  100.00%

任何人都可以帮我找出一种方法来获得这个结果吗？

我正在尝试操纵枢轴数据，这将给出行总数，而不是数据框中的数据，我想要的是“行总数的百分比”。最重要的是，我的所有数据都是非数字值......

Answer 1

@maxymoo注意到的可能副本与解决方案非常接近，但我会继续将其作为答案进行编写，因为有一些差异并非完全直截了当。

table = pd.pivot_table(df, values=["Document"],
                       index=["Name"], columns=["Time"], 
                       aggfunc=len, margins=True, 
                       dropna=True, fill_value=0)

       Document                      
Time 1 - 2 HOUR 1 HOUR 2 - 3 HOUR All
Name                                 
A             1      1          1   3
B             1      1          0   2
C             0      1          1   2
All           2      3          2   7

主要的调整是添加fill_value=0，因为你真正想要的是一个计数值为零，而不是NaN。

然后你基本上可以使用@maxymoo链接的解决方案，但你需要使用iloc或类似的b / c表格列现在有点复杂（作为数据透视表的多索引结果）

table2 = table.div( table.iloc[:,-1], axis=0 )

       Document                         
Time 1 - 2 HOUR    1 HOUR 2 - 3 HOUR All
Name                                    
A      0.333333  0.333333   0.333333   1
B      0.500000  0.500000   0.000000   1
C      0.000000  0.500000   0.500000   1
All    0.285714  0.428571   0.285714   1

你还有一些小的格式化工作要做（翻转第一列和第二列并转换为％），但这些是你正在寻找的数字。

顺便说一下，这里没有必要，但你可能想考虑将'Time'转换为有序的分类变量，这是解决列排序问题的一种方法（我认为），但可能值得也可能不值得这取决于你对数据做了什么。

Answer 2

您可以使用类似的东西

df = pd.DataFrame({'Document':['SPS2315511','SPS2315512','SPS2315513','SPS2315514','SPS2315515','SPS2315516','SPS2315517'],
                  'Name':['A','B','C','C','B','A','A'],
                  'Time': ['1 HOUR','1 - 2 HOUR','2 - 3 HOUR','1 HOUR','1 HOUR','2 - 3 HOUR','1 - 2 HOUR']})
pd.crosstab(index= df.Name, columns= df.Time, values= df.Document, aggfunc = np.count_nonzero
            ,margins=True,margins_name='Total',normalize= 'index')

Pandas Pivot_Table：非数字值的行计算百分比

预期结果：

2 个答案: