Question

我想计算分组后的共现百分比。我无法确定这样做的最佳方法。我可以想办法强制解决问题，但这意味着许多硬编码计算可能会随着更多源数据的增加而中断。必须有一个更优雅的方法，但我没有看到它。我很感激任何建议。

（可能与Python Pandas check if a value occurs more then once in the same day有点相似）

目标：分组后数据列的共现百分比表。例如：当A发生时，在1月份发现B的时间为45％。当A发生时，第6周发现C的时间为21％。

样本数据（df）：

Date        ID      Region  Event
1/01/2016   1001    S       C
1/01/2016   1001    S       D
1/01/2016   1001    N       E
1/01/2016   1002    E       D
1/02/2016   1003    E       A
1/04/2016   1005    N       B
1/04/2016   1005    N       B
1/04/2016   1005    N       B
1/04/2016   1006    N       A
1/04/2016   1006    N       F
2/12/2016   1008    E       C
2/12/2016   1008    E       B

要计算百分比，我需要查找具有相同ID的事件。因此，对于整个数据集C，当B为50％时，B分离为50％，所有其他为0％。但是，如果我按月分组，则B分离为1月为100％，B为2为100时为100。

目前，我有使用.isin和.drop_duplicates的代码来查找和减少列表：

b_ids = df[df.Event == 'B'].ID.drop_duplicates()
x = len(b_ids)
c_when_b = df[(df.ID.isin(b_ids)) & (df.Event == 'C')].ID.drop_duplicates()
y = len(c_when_b)
pct_cb = float(x)/y

问题：

如何将其扩展到事件的所有二进制组合（真实数据有25个事件）
如何根据日期（周，月，季等）轻松分组？
该地区如何成为一个分组？
如何轻松扩展到多个标准（（A | B）＆amp;（C | D））？
有什么容易的，我完全失踪了吗？如果不清楚，请告诉我。提前致谢。

编辑：对于绘图的给定时间分组，预期输出将是每个事件的多列系列（忽略这些实际数字）：

EVENT A
      A       B     C     ...
1     96.19   1.23  2.22
2     96.23   1.56  1.12
3     95.24   2.58  3.02
4     78.98   20.31 1.11
...   ....    ...   ...

EVENT B
      A       B      C    ...
1     96.19   1.23   3.33
2     96.23   1.56   1.08
3     95.24   2.58   1.78
4     78.98   20.31  5.12
...   ....    ...    ...

Answer 1

我想你想要交叉表：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.crosstab.html

这将为您提供原始频率。然后，您可以将每个单元格除以出现的总数，以获得联合概率。

编辑：我正在更彻底地阅读您的问题，而且我认为您需要进行大量的数据争论，而不仅仅是在原始数据集上扔pdssrosstabs。例如，您可能想要创建一个新列df [＆＃39; Week＆＃39;]，这只是基于df [＆＃39; Date＆＃39;]的1- #Weeks值。

但是这个问题有点老了，所以也许你已经想到了这个问题。

Python pandas在groupby之后共同出现

1 个答案: